temporal pooling | BriefGPT

关键词temporal pooling

搜索结果 - 7

多时期汇聚的选择与多角度学习
本论文提出了一种多样化观点学习的新型时间汇聚方法：多个时间汇聚选择（SoM-TP）。SoM-TP 通过注意力动态选择最优的时间汇聚方法，并实现汇聚集成。使用 DPLN 进行透视损失和多样化观点学习，并利用 LRP 进行透视分析。研究结果表明
PDF4 months ago
基于 Transformer 注意力机制和时间池化的序列 - 序列模型用于非侵入式载荷监测
本文介绍了一种基于转换器注意机制和时间池化的新颖序列到序列模型，用于智能建筑的非侵入式负载监测 (NILM)，旨在通过使用深度学习方法提高 NILM 的准确性。该方法使用序列到序列 (Seq2Seq) 模型，通过转换器注意机制捕获 NILM
PDFa year ago
盲目视频质量评估中时间池化方法的比较评估
本文研究多目标视频质量评估 (VQA) 算法中的时间池化方法，通过对多个时间池化策略的比较评估，提出了时间池化模型的应用和选择的一般指导，提出了一个优化的组合时间池化模型，并在多个 VQA 算法上使用两个自然视频质量数据库进行了评估。同时，
PDF4 years ago
重新审视基于视频的人员再识别的时间建模
该文综合研究和比较了视频人员重识别的四种不同的时间建模方法，包括时间汇聚，时间关注，RNN 和 3D 卷积神经网络，并提出了一个采用时间卷积的注意力生成网络，用于在帧之间提取时间信息。在 MARS 数据集上进行评估，并通过一大部分超越了最新
PDF6 years ago
CVPRAdaScan: 深度卷积神经网络中的自适应扫描池化在人体动作识别中的应用
提出了一种基于深度学习的新方法来进行人类动作识别，该方法通过不断预测视频帧的判别重要性并汇集这些帧，从而在单次时间扫描中丢弃大部分无信息帧，证明该汇集方法在标准基准测试中具有有效性，与基线汇集方法相比具有竞争力，同时利用辅助的视频表示方法在
PDF8 years ago
基于深度循环卷积网络的视频行人再识别：一种端到端的方法
本文提出一种端到端的方法来同时学习视频人物再识别的时空特征和相应的相似度度量，采用深度卷积网络和循环神经网络进行时间序列建模和度量学习，通过时间汇聚产生整体特征表示，在 iLIDS-VID 和 PRID 2011 等公共数据集上达到最先进的
PDF8 years ago
利用图像训练的 CNN 架构进行非约束视频分类
本文探索了使用卷积神经网络（CNN）进行视频事件检测的不同策略，包括空间和时间池化、特征归一化、CNN 层的选择以及分类器的选择。通过在这些维度上进行合理选择，我们的方法在 TRECVID MED'14 数据集上的性能可比先前使用的非 -
PDF9 years ago