注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. ECCV2018 超分辨相关.7z

  2. 亲历了ECCV 2018的机器学习研究员Tetianka Martyniuk挑选了6篇ECCV 2018接收论文，概述了超分辨率（Super-Resolution, SR）技术的未来发展趋势。内容包括：一：学习图像超分辨率，先学习图像退化；二：由面部五官热力图指导的面部超分辨率；三：用深度残差通道的注意网络的图像超分辨率；四：用于图像超分辨率的多尺度残差网络；五：级联残差加持的快速、准确、轻量级的超分辨率网络；六：SRFeat：具有特征识别的单个图像超分辨率

  3. 所属分类：机器学习

    • 发布日期：2020-05-11
    • 文件大小：6291456
    • 提供者：wenroudebaozi

  1. 多尺度残差深度神经网络的卫星图像超分辨率算法

  2. 多尺度残差深度神经网络的卫星图像超分辨率算法

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：4194304
    • 提供者：weixin_38614825

  1. 基于多流扩张残差稠密网络的图像去雨算法

  2. 针对传统图像去雨算法未考虑多尺度雨条纹及图像去雨后细节信息丢失的问题,提出一种基于多流扩张残差稠密网络的图像去雨算法,利用导向滤波器将图像分解为基础层和细节层。通过直接学习含雨图像细节层和无雨图像细节层的残差来训练网络,缩小映射范围。采用3条带有不同扩张因子的扩张卷积对细节层进行多尺度特征提取,获得更多上下文信息,提取复杂多向的雨线特征;同时,将扩张残差密集块作为网络的参数层,加强特征传播,扩大接受域。在合成图片和真实图片上的实验结果表明,所提算法能有效去除不同密度的雨条纹,并较好地恢复图像细节

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：9437184
    • 提供者：weixin_38589774

  1. 基于多尺度注意力网络的行人属性识别算法

  2. 为了提高行人属性识别的准确率,提出了一种基于多尺度注意力网络的行人属性识别算法。为了提高算法的特征表达能力和属性判别能力,首先,在残差网络ResNet50的基础上,增加了自顶向下的特征金字塔和注意力模块,自顶向下的特征金字塔由自底向上提取的视觉特征构建;然后,融合特征金字塔中不同尺度的特征,为每层特征的通道注意力赋予不同的权重。最后,改进了模型损失函数以减弱数据不平衡对属性识别率的影响。在RAP和PA-100K数据集上的实验结果表明,与现有算法相比,本算法对行人属性识别的平均精度、准确度、F1性

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：2097152
    • 提供者：weixin_38678550

  1. 基于改进M型卷积网络的RGB彩色遥感图像云检测

  2. RGB彩色图像中云没有明显的颜色分布与纹理模式,导致云检测易产生误检且细节丢失严重。针对这一问题,提出一种改进的M型卷积网络(RM-Net)模型,实现端到端的像素级语义分割。对原始数据集进行增强,并标注对应的像素级标签。利用空洞空间金字塔池化,在不丢失信息的前提下提取图像多尺度特征,并结合残差单元使网络不易出现退化。利用编码器模块与左路径提取图像全局上下文信息,利用解码器模块与右路径恢复图像空间分辨率,根据融合后的特征判别每个像元的类别概率,将其输入分类器进行像素级的云和非云分割。对Landsa

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：14680064
    • 提供者：weixin_38712279

  1. 基于多尺度残差式卷积神经网络与双向简单循环单元的光学乐谱识别方法

  2. 光学乐谱识别在音乐信息检索和计算机辅助教学等领域有着重要价值,针对传统框架处理步骤复杂、精度较低,而基于深度学习的算法模型训练耗时久,且对难点音符识别误差较大的问题,提出了一种改进的卷积循环神经网络以提升识别精度。首先在原始乐谱中增加不同的噪声,以扩充乐谱图像,提高训练模型的鲁棒性;随后利用多尺度残差式卷积神经网络对乐谱图像中的音符特征进行提取,提升后续识别精度;最后利用双向简单循环单元网络识别音符特征,加快训练收敛速度。实验结果表明,改进后网络模型的平均符号错误率下降至0.3234%,收敛速度

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：10485760
    • 提供者：weixin_38633897

  1. 基于多尺度残差网络的小样本高光谱图像分类

  2. 为了解决基于深度学习的高光谱图像分类方法对于小样本数据分类精度低的问题,提出了一种基于多尺度残差网络的分类模型。该模型通过在残差模块中加入分支结构,分别构造了基于光谱特征和空间特征的提取模块,实现了空间特征和光谱特征的多尺度提取融合,充分利用了高光谱图像中丰富的空谱信息。此外,所提模型使用了动态学习率、批归一化以及Dropout等来提高计算效率和防止过拟合。实验结果表明,该模型在Indian Pines和Pavia University数据集上分别取得了99.07%和99.96%的总体分类精度,

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：9437184
    • 提供者：weixin_38717031

  1. 基于多尺度与多重残差网络的图像超分辨率重建

  2. 近几年虽然基于神经网络的超分辨率重建技术发展迅速,但仍然存在不易找到合适尺寸的卷积核、网络层数过深导致收敛缓慢等缺点。为此,提出了一种能多尺度提取特征并包含多重残差的网络模型。低分辨率图像输入网络,通过多个多尺度残差模块,在每个模块进行多尺度特征提取、特征融合,构建残差输出到下一个模块,通过所有模块后再次构建残差,最终经过亚像素卷积输出高分辨率图像。实验结果表明,多重残差的引入使学习的收敛速度更快,多尺度能更好地提取图像特征,使图像在主观和客观度量上都优于其他主流算法。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：7340032
    • 提供者：weixin_38712279

  1. 基于多尺度融合和对抗训练的图像去雾算法

  2. 针对传统去雾算法结果中颜色和对比度失真等问题,提出了一种基于多尺度融合和对抗训练的图像去雾算法。采用多尺度特征提取模块从多个不同尺度中提取雾霾相关特征,利用残差密集连接模块实现图像特征的交互,避免了梯度消失。由于其不基于大气散射模型,直接将图像的浅层特征和深层特征进行多尺度融合,所以克服了物理模型的不精确性。去雾网络的训练采用生成对抗机制,由多尺度特征提取模块和残差密集连接模块构成的生成器估计清晰的无雾图像,由两个不同尺度感受野的子网络构成的鉴别器完成对抗训练。在RESIDE(Realistic

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：11534336
    • 提供者：weixin_38551749

  1. 基于双流加权Gabor卷积网络融合的室内RGB-D图像语义分割

  2. 针对室内场景下光照变化、物体相互遮挡以及类别复杂等问题,提出了一种基于双流加权Gabor卷积网络融合的彩色-深度(RGB-D)图像语义分割方法。为了获得方向和尺度不变性特征,设计了一种加权Gabor方向滤波器用于构建深度卷积网络(DCN),提取对方向和尺度变化具有适应性的特征信息。为了构建轻量级特征提取网络,采用宽残差-加权Gabor卷积网络分别提取彩色和深度双流图像特征,并利用金字塔池化模块对提取的深度特征进行多尺度融合以丰富图像上下文信息。对所提语义分割方法在NYUDv2数据集上进行实验,分

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：13631488
    • 提供者：weixin_38707153

  1. 基于注意力金字塔网络的航空影像建筑物变化检测

  2. 针对遥感图像语义分割中存在对多尺度目标的漏检和分割边界粗糙等问题,提出了一种基于注意力金字塔网络的航空影像建筑物变化检测方法。该方法采用编码-解码结构,在编码阶段使用ResNet101作为基础网络来提取特征,并在部分残差模块应用空洞卷积增大感受野,同时将金字塔池化结构作为编码网络的最后一层,以提取图像多尺度特征;在解码阶段的横向连接过程中引入注意力机制以突出重要特征,并采用自上而下的密集连接方式计算特征金字塔,有效融合不同阶段、不同分辨率的特征。在大型建筑物变化检测数据集上进行验证实验,实验结果

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：3145728
    • 提供者：weixin_38750761

  1. 基于全卷积神经网络的多尺度视网膜血管分割

  2. 提出了一种基于多尺度特征融合的全卷积神经网络的视网膜血管分割方法, 无需手工设计特征和后处理过程。利用跳跃连接构建编码器-解码器结构全卷积神经网络, 将高层语义信息和低层特征信息进行融合; 利用残差块进一步学习细节和纹理特征; 利用不同空洞率的空洞卷积构建多尺度空间金字塔池化结构, 进一步扩大感受野, 充分结合图像上下文信息; 采用类别平衡损失函数解决正负样本不均衡问题。实验结果表明, 在DRIVE(Digital Retinal Images for Vessel Extraction)和ST

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：5242880
    • 提供者：weixin_38530115

  1. 基于生成对抗网络的多模态图像融合

  2. 针对多模态图像融合中多尺度几何工具和融合规则设计困难的问题,提出一种基于生成对抗网络(GANs)的图像融合方法,实现了多模态图像端到端的自适应融合。将多模态源图像同步输入基于残差的卷积神经网络(生成网络),通过网络的自适应学习生成融合图像;将融合图像和标签图像分别送入判别网络,通过判别器的特征表示和分类识别逐渐优化生成器,在生成器和判别器的动态平衡中得到最终融合图像。与具有代表性的融合方法相比,实验结果表明,本文方法的融合结果更干净,没有伪影,提供了更好的视觉质量。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：12582912
    • 提供者：weixin_38607282

  1. 基于优化可形变区域全卷积神经网络的人头检测方法

  2. 人头检测技术是人数统计领域一项重要的研究内容,基于检测的人数统计方法常用于视频监控领域。人头检测常常受到遮挡、背景干扰、光照等因素影响。为解决上述问题,提出一种基于区域全卷积神经网络进行头部检测的方法。特征学习阶段通过残差网络和区域候选网络获得特征及感兴趣区域,并在残差网络中添加可形变卷积层。再将感兴趣区域输入池化层,进行可形变位置敏感均值池化。最后进行分类与目标位置精修,并提出将位置敏感感兴趣区域对齐并进行池化操作。为了改善网络在多尺度头部的检测效果,更新区域候选网络中锚点生成规则。利用在线难

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：10485760
    • 提供者：weixin_38742927

  1. 基于深度神经网络的迷彩目标发现仿真学习方法

  2. 针对自动化迷彩目标发现学习中有效样本严重不足的问题，借鉴AlphaGo的技术思想，提出了一种基于样本模拟的深度神经网络仿真训练方法。建立了迷彩场景仿真合成模型，通过设计图像空间的复合算法、场景图像深度特征提取策略、目标融合度测量策略，以及图聚类采样算法，批量化地生成了可用于深度神经网络训练和学习的具有代表性的迷彩场景仿真样本; 设计了基于深度残差神经网络的迷彩目标发现模型，并引入了多尺度网络训练方法。模拟样本和真实场景图像的实验结果表明，所提方法可有效应用于迷彩目标的自动化识别与评估。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：5242880
    • 提供者：weixin_38672815

  1. 多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取

  2. 针对全卷积神经网络多次下采样操作导致的道路边缘细节信息损失和道路提取不准确的问题,本文提出了多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取方法。首先,通过目视解译的方法制作大量的道路提取标签数据;其次,在残差网络ResNet-101的各个残差块中引入膨胀卷积和多尺度特征感知模块,扩大特征点的感受野,避免特征图分辨率减小和道路边缘细节特征的损失;然后,通过叠加融合和上采样操作将各个尺寸的道路特征图进行融合,得到原始分辨率大小的特征图;最后,将特征图输入Sigmoid分类器中进行分类。实验结果

  3. 所属分类：其它

    • 发布日期：2021-01-25
    • 文件大小：6291456
    • 提供者：weixin_38648800

  1. 面向算力受限边缘环境的双分支多尺度感知人脸检测网络

  2. 针对边缘算力受限，难以部署复杂结构的人脸检测深度神经网络的问题，为减少资源消耗，并保证人脸在多尺度变化、遮挡、模糊、光照等复杂场景下的检测精度，提出了多尺度感知的轻量化人脸检测算法。采用改进的人脸残差神经网络作为特征提取网络，并提出双分支浅层特征提取模块，并行分支理解图像多尺度信息，进而由深浅特征融合模块将底层图像信息与高层语义特征融合，配合多尺度感知的训练策略监督多分支学习差异化特征。实验结果表明，所提算法可有效提取多样化的特征，在保持模型高效性和低推理时延的同时，有效提升了算法的精度和稳健性

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38623272

  1. 基于深度残差网络的人脸表情识别研究

  2. 针对人脸表情识别，传统方法主要依赖人工提取特征的优劣，算法的鲁棒性较差，而传统卷积神经网络无法提取到更深层次的图像特征，因此该文将采用深度残差网络进行人脸表情识别。ResNet网络主要由残差模块组成，将残差模块的输出送入到全连接层进行特征的融合，最后由Softmax分类器进行分类。该文将输入残差模块之前的卷积层进行改进，使用并行的小卷积代替原来的卷积，使其可以提取到更深层次且不同尺度的图像特征以易于识别。在公用数据集CK+上进行多次实验，结果证明该方法具有较高的准确率。

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38621104

  1. MIRNet-TFJS:适用于MIRNet的TensorFlow JS模型用于微光图像增强-源码

  2. MIRNet-TFJS 该存储库显示了Zamir等人的“所提出的针对MIRNet模型的TFJS模型转换和推理过程。 该模型能够最大程度地增强弱光图像。 Soumik通过提供了模型训练代码和预训练权重。 目录 有关架构的一些知识 MIRNet提出了一种新颖的体系结构，其总体目标是通过整个网络维护高分辨率表示，并从低分辨率表示接收强大的上下文信息。 该方法的核心是包含以下关键元素的多尺度残差块： 并行多分辨率卷积流，用于提取多尺度特征 跨多分辨率流的信息交换 捕获上下文信息的空间和

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：14680064
    • 提供者：weixin_42131367

  1. 多尺度残差深度神经网络的卫星图像超分辨率算法

  2. 多尺度残差深度神经网络的卫星图像超分辨率算法

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：2097152
    • 提供者：weixin_38524472
« 12 »