u-net architecture | BriefGPT

关键词u-net architecture

搜索结果 - 38

SMRVIS：从三维超声中提取点云进行非破坏性测试
本文提出将超声波成像中的点云提取问题转化为图像分割问题，并通过使用 U-Net 架构的不同变体进行快速原型制作和评估来解决问题。作者使用包含 5 个标记超声波成像体积和 84 个未标记体积的训练数据集，在两周内完成了实验，并在开放挑战赛 “
PDFa year ago
大规模文本 - 条件下 3D 人体运动生成动画
本文提出了一种用于生成各种姿态和提示的基于文本的人体运动生成模型 Make-An-Animation，训练包括使用从大规模图像文本数据集中提取得到的（文本，静态伪姿势）对的精选大规模数据集以及微调运动捕捉数据，并使用 U-Net 架构，达到
PDFa year ago
基于图 U-Net 的领域无关后处理：应用于电阻抗断层成像
本文提出一种基于图卷积神经网络的重建方法，通过对有限元网格进行图化处理构建图，使用新型的聚集池化和反池化方式设计了灵活的图 U-Net。我们将该方法应用于电阻抗层析成像重建，经过模拟数据和三种不同测量设备的实验验证，表明该模型能够取得较好的
PDFa year ago
术后 MRI 体积中切除空腔分割的不同自动化解决方案比较，包括纵向采集
通过采用五种基于 3D U-Net 架构的深度学习方法，本文旨在自动分割术后 MRI 中的切除腔。我们使用一个包含四个 MRI 序列和相应切除腔的基准真实数据集。实验结果表明，仅使用 T1 增强 MRI 序列训练的方法达到了最佳分割效果，中
PDF2 years ago
PriorNet：包含肿瘤先前出现信息的 PET-CT 病变分割
本研究提出一种基于 U-Net 架构的 PET-CT 肿瘤分割方法，通过先生成肿瘤外观先验图进行改进，可以得到平均 Dice 分数达到 0.701 的良好肿瘤分割结果。
PDF2 years ago
利用周期稳态信号的时间结构进行基于数据驱动的单通道源分离
本文研究单通道源信号分离问题，着重于周期稳态信号，提出一种基于 U-Net 架构的深度学习方法，该方法可以接近最优性能，且具有较小的计算负担。
PDF2 years ago
MM针对多种细胞类型和成像方式的活细胞图像训练通用实例分割网络
本文探讨了通用细胞类型和成像方式的分割网络训练，并发现了一些训练技巧和共性特征，提高了分割性能。实验结果表明，我们的方法能够适用于全新的数据集。
PDF2 years ago
ICML在潜空间中通过规划解决自动驾驶赛车挑战
本研究实现自主赛车，利用 U-Net 模型实现道路切分、可变自编码器编码路面二进制掩模、最近邻搜索策略确定最佳动作，获得了最小违法行为的最短用时。
PDF2 years ago
基于 ResNet 骨干网的 U-Net 服装关键点识别
利用基于热图的地标检测模型，在 2D RGB 服装图像上定位重要地标如边缘、角以及合适的内部区域。再结合地标检测模型和纹理展开等技术，我们能够在现代 3D 编辑软件中重建 3D 服装。我们采用了 U-net 架构与 ResNet 骨干网络构
PDF2 years ago
CVPR多尺度增强除雾网络与密集特征融合
本文介绍了一种基于 U-Net 架构的多尺度提升去雾网络，包含了稠密特征融合、 Strengthen-Operate-Subtract 策略等内容，实验表明该方法在公开数据集和实际雾霾图像上表现优异。
PDF4 years ago
ICCVW-Net: 用于原始到 RGB 映射的两阶段 U-Net 及误对齐数据
本文提出了一种基于两阶段 U-Net 结构和不变性更小颜色差异更敏感的损失函数的图像处理方法，在 Zurich Raw-to-RGB 数据集合上进行了实验，并且证明使用多种不同的损失函数进行集成学习能够带来显著的性能提高。实验结果表明，所提
PDF5 years ago
用神经常微分方程进行个体结肠腺体语义分割
本篇研究使用 Neural Ordinary Differential Equations（NODE）和 U-Net 架构来改进医学图像分割，并在 GlaS 数据集上证明，它可以提高分割结果同时降低内存负载和参数数量。
PDF5 years ago
一种部分可逆的 U-Net 用于内存高效的体积图像分割
在 3D 卷积神经网络分割方面，一种部分可逆的 U-Net 架构通过减小内存消耗实现了深度增强并提高了分割准确性，在 BraTS 挑战数据集上展示出了很大的内存节省。
PDF5 years ago
限资源分割的循环 U-Net
该论文介绍了一种新颖的循环 U-Net 网络结构，它可以保留原始 U-Net 的紧凑性，并显著提高其性能，尤其在几个基准测试中超过了现有技术。该方法不仅适用于手部、视网膜血管和道路等多种分割任务，还引入了大规模手部分割数据集。
PDF5 years ago
图像修复的一致语义注意力
提出了一种使用新型的连贯的语义注意力（CSA）层和深度生成模型的方法来进行图像修复的深度学习方法，能够更好地模拟孔特征之间的语义相关性，经过在多个数据集上的验证，该方法在图像修复领域取得了优异的成果。
PDF5 years ago
Attention U-Net: 学习胰腺所在位置
该研究提出了一种新颖的关注门（AG）模型，用于医学图像处理，提高了 U-Net 模型的预测准确性和计算效率。
PDF6 years ago
Shift-Net: 基于深度特征重排的图像修复
本文提出了一种名为 Shift-Net 的 U-Net 架构的特殊移位连接层，用于使用编码器任务中已知的区域以估算缺失部分，并通过引入辅助损失函数来训练整个模型，实现图像修复中具有更加清晰，精细纹理和逼真视觉效果的结果。
PDF6 years ago
PiCANet：学习像素级的背景上下文注意力进行显著性检测
本文提出了一种像素级的上下文注意力网络 ——PiCANet，旨在学习选择性地注意每个像素的信息上下文位置，通过全局和局部形式，构建所关注的上下文特征，与 U-Net 结构相结合，可以准确且均匀地检测显著对象，在显著性检测性能方面表现优异。
PDF7 years ago