论文阅读—— CEASC(cvpr2023)

arxiv:https://arxiv.org/abs/2303.14488

github:https://github.com/Cuogeihong/CEASC

论文阅读—— CEASC(cvpr2023)_第1张图片

为了进一步减轻SC中的信息损失,使训练过程更加稳定,我们在训练过程中除了稀疏卷积之外,还保持了正常的密集卷积,生成了在全输入特征图上卷积的特征图C_{i,j}。然后,我们使用C_{i,j}来通过将MSE损失优化为来增强稀疏特征图F_{i,j}

论文阅读—— CEASC(cvpr2023)_第2张图片

论文阅读—— CEASC(cvpr2023)_第3张图片

论文阅读—— CEASC(cvpr2023)_第4张图片

论文阅读—— CEASC(cvpr2023)_第5张图片

论文阅读—— CEASC(cvpr2023)_第6张图片

论文阅读—— CEASC(cvpr2023)_第7张图片

你可能感兴趣的:(论文,人工智能)