关键词transformer encoder-decoder architecture
搜索结果 - 4
- 语义修正的阿姆哈拉语自动语音识别
通过使用转换编码器 - 解码器体系结构和对现有阿姆哈拉语语音识别测试数据集的修正，我们的研究提高了阿姆哈拉语语音识别系统的语义正确性，实现了 5.5％的字符错误率（CER）和 23.3％的词错误率（WER）。
- 使用 Transformer 的视觉跟踪
本文介绍了一种基于 Transformer 编码器 - 解码器架构和强有力的注意机制的新型追踪器网络，通过自我关注模块和交叉注意力，提高了全局和丰富的背景信息获取，支持超越局部特征的追踪效果，在多个基准测试上表现出优异的性能。
- CVPR基于 Transformer 的端到端人 - 物交互检测
本文提出了一种基于 transformer 的编码器解码器框架，直接从图像中预测一组 <人，对象，交互> 三元组，通过此预测方法，我们的算法在不需要耗时的后处理的前提下，有效地利用图像中的固有语义关系，并实现了在对象检测后不到 1ms 的推 - 使用 Transformer 进行端到端的目标检测
该研究提出了一种新方法，将目标检测作为直接集合预测问题进行处理，主要采用基于集合的全局损失和 Transformer 编码器 - 解码器架构构建 DETR 模型，能够高效地完成目标检测和全景分割任务，相较于许多现代检测器，DETR 模型概念