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. Dual Attention Network for Scene Segmentation文档及源码

  2. 双重注意力网络：中科院自动化所提出新的自然场景图像分割框架（附源码）。本文提出了一个新的自然场景图像分割框架，以往的方法更为灵活、有效，在三个场景分割数据集Cityscapes、PASCAL Context 和 COCO Stuff上取得了当前最佳分割性能。

  3. 所属分类：深度学习

    • 发布日期：2018-09-27
    • 文件大小：22020096
    • 提供者：huyiqun6

  1. Dual Attention Network.pdf

  2. CVPR语义分割DANet论文，双注意力机制，由non-local改进而来，值得一看

  3. 所属分类：机器学习

    • 发布日期：2019-07-17
    • 文件大小：1048576
    • 提供者：weixin_42394932

  1. 组会 ppt DANet：DualAttentionNetworkforSceneSegmentation

  2. 自己写的组会PPT，关于 DANet：DualAttentionNetworkforSceneSegmentation

  3. 所属分类：深度学习

    • 发布日期：2019-07-01
    • 文件大小：4194304
    • 提供者：u012579356

  1. danet-pytorch-master.zip

  2. 提出了双重注意网络（DANet）来自适应地集成局部特征和全局依赖。在传统的扩张FCN之上附加两种类型的注意力模块，分别模拟空间和通道维度中的语义相互依赖性。 位置注意力模块通过所有位置处的特征的加权和来选择性地聚合每个位置的特征。无论距离如何，类似的特征都将彼此相关。 同通道注意力模块通过整合所有通道映射之间的相关特征来选择性地强调存在相互依赖的通道映射。 将两个注意模块的输出相加以进一步改进特征表示，这有助于更精确的分割结果

  3. 所属分类：深度学习

    • 发布日期：2020-05-27
    • 文件大小：2097152
    • 提供者：qq_42732137

  1. DANet.pptx

  2. 与传统的用多尺度特征融合捕捉上下文信息的网络不同，本文提出了DANet来整合局部与全局依赖。本文在空洞 FCN中采用了两种类型的注意力模块，分别在空间和通道两个维度对语义的相互依赖性进行建模。

  3. 所属分类：互联网

    • 发布日期：2020-06-11
    • 文件大小：2097152
    • 提供者：qq_38331689

  1. 计算机视觉中的注意力机制

  2. 汇总了自Non-local和SENet之后的十几篇发表于CVPR/ICCV的经典的注意力方法，包括cbam、a2net、psanet、danet、apcnet、sknet、ccnet、gcnet、annnet、ocrnet、sanet、ecanet

  3. 所属分类：深度学习

    • 发布日期：2020-09-23
    • 文件大小：5242880
    • 提供者：qq_36268755

  1. DANet-源码

  2. 数位网

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：1024
    • 提供者：weixin_42140625

  1. pkuseg:语义细分基准-源码

  2. PKUSeg 介绍 PKUSeg是基于PyTorch的开源语义分割工具箱，由北京大学EECS维护。 维护人员全部来自机器感知关键实验室（MOE）。 主要特点 模块化设计，易于使用和部署我们开发此工具的目的在于简化实验和部署。 各种语义分割模型我们在研究论文中实现了许多最新模型。 我们不仅发布代码，而且还发布培训检查点。 多个数据集的最新结果我们在包括Pascal VOC，Cityscapes，Pascal Context和ADE20K在内的多个数据集上获得了最新的结果。 实施文件 PSPNe

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：363520
    • 提供者：weixin_42133918

  1. awesome-speech-enhancement:语音增强\语音分离\声源定位-源码

  2. 很棒的语音增强 语音前端列表，例如语音增强\语音分离\声源定位 语音分离 Tasnet：时域音频分离网络，用于实时单通道语音分离 Conv-TasNet：用于语音分离的超越理想的时频屏蔽 双路径RNN：用于时域单通道语音分离的高效长序列建模 DANet：用于单通道语音分离的深层吸引网络（DANet） TAC端到端麦克风排列和数目不变的多通道语音分离 uPIT进行语音分离：使用发声级PIT进行语音分离 LSTM_PIT_Speech_Separation 深度集群 小行星：

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：4096
    • 提供者：weixin_42126865