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. 视觉注意计算模型

  2. 视觉注意机制模型介绍经典的自底向上的计算模型

  3. 所属分类：其它

    • 发布日期：2012-11-01
    • 文件大小：468992
    • 提供者：liuzhiting4321

  1. 基于相位谱视觉注意机制matlab代码

  2. 利用相位谱的非常高效的视觉注意机制源代码。

  3. 所属分类：其它

    • 发布日期：2012-12-05
    • 文件大小：4194304
    • 提供者：aabb1234

  1. 视觉注意机制源代码

  2. 利用相位谱的非常高效的视觉注意机制源代码。主要是matlab版。

  3. 所属分类：其它

    • 发布日期：2013-03-15
    • 文件大小：4194304
    • 提供者：xue201220122013

  1. 引入视觉注意机制的目标跟踪方法综述

  2. 视觉注意机制的目标跟踪方法总结，思路清晰，是一份很值得借鉴的资料源泉！

  3. 所属分类：专业指导

  1. 基于视觉注意力计算的运动目标检测方法研究

  2. 本文是一份很值得参考的资料，是目前做视觉运动目标检测比较先进的方法！值得推荐！

  3. 所属分类：专业指导

  1. 反向注意引导的深度人群计数网络.pdf

  2. 计算机视觉，密集人群计数方向，注意力机制最新最全论文。 密集人群计数方向上比较火热的方向，主要用于解决尺寸问题。

  3. 所属分类：深度学习

    • 发布日期：2020-03-30
    • 文件大小：3145728
    • 提供者：qq_42460140

  1. 一个前注意生物视觉模型

  2. 一个前注意生物视觉模型，孟祥林，王正志，研究了生物视觉模型的前注意处理机制，主要包括大脑皮层放大，对比增强，边界生成和表面填充机制。较传统的生物视觉图像处理系统

  3. 所属分类：其它

    • 发布日期：2020-02-15
    • 文件大小：718848
    • 提供者：weixin_38700779

  1. 基于视觉注意机制的棉花污染物机器视觉检测算法

  2. 针对棉花中污染物这类大背景中的目标检测，模仿人类视觉注意机制，提出了一种检测算法：在预注意阶段，主相机获取全局图像，利用离散余弦变换和支持向量机提取和识别特征，确定目标所在的感兴趣区域；在注意阶段，对应感兴趣区域的从相机工作，获取该区域的局部图像，利用均值和方差方法识别污染物。实验表明，该算法能去除冗余数据，提高检测精确度。

  3. 所属分类：其它

    • 发布日期：2020-10-19
    • 文件大小：312320
    • 提供者：weixin_38653694

  1. 基于增量记忆视觉注意模型的复杂目标识别研究

  2. 针对复杂背景下的目标识别问题，提出一种新的基于增量记忆的视觉注意模型。首先根据目标的颜色形状，以及自底向上的原始视觉特征颜色、强度、方向、对称性对目标进行粗定位。在此基础上，利用粗选目标的颜色、形状生成一组自顶向下的偏差信号，对初选目标进行及时指导修正。为了提高识别的准确率，算法设计了一种增量学习记忆的机制来指导偏差信号，所提出的增量注意机制不仅可以不断学习和记忆各类目标的颜色和形状特征，而且利用这种机制可生成一个自顶向下的偏差信号，对关注的候选区域的目标进行精确定位。此外，训练后的增量记忆的颜

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：450560
    • 提供者：weixin_38624557

  1. 基于视觉注意机制的UWBSAR叶簇隐蔽目标变化检测

  2. 基于视觉注意机制的UWBSAR叶簇隐蔽目标变化检测

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：472064
    • 提供者：weixin_38609247

  1. anypercent-cuecollection:我在Celeste的任何％speedspeed中使用的许多视觉提示的集合-源码

  2. Celeste Any％-视觉提示和设置集合 请先读我！ 内容 您可以通过目录访问每个降价文件，也可以在新链接的顶部打开每个降价文件。 介绍 7个级别中的每个级别的提示和设置集合（以任何百分比表示）。 请注意，这遵循5b和6b的当前最佳路径。 该指南将在不久的将来以5a / 6a更新，但目前的重点是完成5b / 6b。 我假设读者已经知道什么是超级，降级，超级，角力和其他重要机制。 如果您仍然总体上开始运行Celeste和speedrunning，我强烈建议您加入和，并看看speedrunnin

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：552599552
    • 提供者：weixin_42107561

  1. 纹理特征和视觉注意机制提取建筑面积

  2. 通过模拟人类视觉系统感知环境的过程，约会视觉注意机制，提出基于自信息转换视觉注意机制的建筑区域显着指数。根据建筑区域在高分辨率垂直影像中的特点，基于时/频域的纹理分析，提出一种针对建筑区域的纹理特征描述方法，实现了建筑区域的高效提取。了本文算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：3145728
    • 提供者：weixin_38752907

  1. self-attention-cv:专注于计算机视觉的各种自我关注机制的实现。 进行中的资料库-源码

  2. PyTorch中计算机视觉应用程序的自注意力构建基块 使用einsum和einops在PyTorch中实现计算机视觉的自我关注机制。 专注于计算机视觉自我注意模块。 通过pip安装 $ pip install self-attention-cv 如果您没有GPU，最好在您的环境中预安装pytorch。 相关文章 程式码范例 多头注意力 import torch from self_attention_cv import MultiHeadSelfAttention model = MultiH

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：135168
    • 提供者：weixin_42116805

  1. 医用变压器：“医用变压器：用于医学图像分割的门控轴向注意”的Pytorch代码-源码

  2. 医用变压器 论文Pytorch代码 关于此仓库： 此存储库托管以下网络的代码： 门控轴向注意U-Net 医学博士 介绍 提议用于视觉应用的大多数现有的基于变压器的网络体系结构都需要大规模的数据集才能正确地进行训练。 但是，与用于视觉应用的数据集相比，对于医学成像而言，数据样本的数量相对较少，因此难以有效地训练用于医学应用的变压器。 为此，我们提出了门控轴向注意力模型，该模型通过在自我注意力模块中引入其他控制机制来扩展现有体系结构。 此外，为了有效地在医学图像上训练模型，我们提出了局部全局训

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：389120
    • 提供者：weixin_42116734

  1. 视觉注意地面-源码

  2. 视觉注意力接地神经模型 1.概述 该代码存储库包含我们研究项目的实现：。 我们介绍了利用并行视觉和纹理信息的新型多峰机器翻译模型。 我们的模型共同优化了对共享可视语言嵌入和翻译语言的学习。 它借助视觉注意基础机制将图像中的视觉语义与相应的文本语义联系起来。 2.先决条件 该代码已在具有NVIDIA GPU的Ubuntu 16.04上成功测试，并且必须满足以下要求： Python 3.6 CUDNN 7.1.4 尽管我们尚未在其他OS系统上测试过此代码，但我们希望可以稍作调整就可以在任何基于

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：6291456
    • 提供者：weixin_42128558

  1. 基于自适应空间二次采样视觉注意模型的高空间分辨率遥感影像中感兴趣区域的检测

  2. 用于处理高分辨率遥感图像的传统的基于先验知识的兴趣区域（ROI）检测方法通常使用全局搜索，这在很大程度上导致了计算量过大。 为了解决这个问题，在本研究中，提出了一种基于自适应空间二次采样视觉注意力模型（ASS-VA）的更快，更有效的ROI检测算法。 在ASS-VA模型中，视觉注意力机制用于避免对整个图像进行图像分割和特征检测。 制定了自适应空间二次采样策略以降低ROI检测的计算复杂度。 提取了离散矩变换（DMT）功能，以提供对边缘的更详细描述。 另外，采用区域生长策略来获得更准确的ROI形状信息

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：2097152
    • 提供者：weixin_38621312

  1. 基于人类视觉智能和粒子滤波的鲁棒目标跟踪算法

  2. 与计算机视觉目标跟踪算法遇到的各种困难和瓶颈不同的是,鲁棒视觉目标跟踪仅仅是人类视觉系统的一项基本功能.为此,基于自顶向下的视觉注意机制,构建了一种相应的计算模型,提出一种利用检测视觉注意力焦点区域的方法来模拟人类视觉系统的全局搜索过程,并用粒子滤波跟踪来模拟人类视觉系统的局部跟踪过程的目标跟踪算法.多组对比实验结果表明了所提出的算法在视觉目标跟踪中的优越性.

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：997376
    • 提供者：weixin_38526979

  1. 令人敬畏的cv机制：计算机视觉中用到的关注模块和其他即插即用模块（计算机视觉）PyTorch注意模块和即插即用模块的实现集合-源码

  2. 简历中的令人敬畏的关注机制 目录 介绍 PyTorch实现多种计算机视觉中网络设计中用到的注意机制，还收集了一些即插即用模块。由于能力有限的能力有限，可能很多模块并没有包括进来，有任何的建议或者改进，可以提交问题或者进行PR。 注意机制 纸 发布 关联 大意 博客 CVPR19 将高阶和关注机制在网络中部地方结合起来 CVPR20 NAS + LightNL CVPR18 最经典的通道专注 CVPR19 SE +动态选择 ECCV18 串联空间+通道注意力 BMVC18 平行空间+通道关注

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：3145728
    • 提供者：weixin_42157567

  1. 整洁的视觉效果：Neat（Neural Attention）Vision是一种可视化工具，用于自然语言处理（NLP）任务的深度学习模型的注意力机制。 （与框架无关）-源码

  2. 网络视觉 NeAt（Neural Attention）Vision是一种可视化工具，用于自然语言处理（NLP）任务的深度学习模型的注意力机制。 产品特点 可视化注意力得分，有很多选择。 将可视化文件导出为SVG格式。 如果要在学术论文中使用可视化效果，这将非常方便。 但是，您可能必须将SVG转换为PDF。 可视化模型预测。 显示类的后验分布，回归任务中的错误等。 对于调试模型和检查其行为很有用。 支持分类，多标签分类和回归。 进行了整齐的可视化，以可视化自然语言处理（任务）任务的注意机制

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：13631488
    • 提供者：weixin_42113754

  1. 基于人类视觉智能和粒子滤波的鲁棒目标跟踪算法

  2. 与计算机视觉目标跟踪算法遇到的各种困难和瓶颈不同的是, 鲁棒视觉目标跟踪仅仅是人类视觉系统的一 项基本功能. 为此, 基于自顶向下的视觉注意机制, 构建了一种相应的计算模型, 提出一种利用检测视觉注意力焦点 区域的方法来模拟人类视觉系统的全局搜索过程, 并用粒子滤波跟踪来模拟人类视觉系统的局部跟踪过程的目标跟 踪算法. 多组对比实验结果表明了所提出的算法在视觉目标跟踪中的优越性.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：756736
    • 提供者：weixin_38587509
« 12 3 »