Multi-scale

【定位系列论文阅读】-Patch-NetVLAD: Multi-Scale Fusion of Locally-Global Descriptors for Place Recognition（一）

这里写目录标题概述研究内容Abstract第一段（介绍本文算法大致结构与优点）1.Introduction介绍第一段（介绍视觉位置识别的重要性）第二段（VPR的两种常见方法，本文方法结合了两种方法）第三段（本文贡献）第四段（为证明本文方法优越性，进行的测试以及比较）2.RelatedWork相关工作第一段（介绍早期与深度学习的全局图像描述符）第二段（介绍局部关键点描述符）第三段（局部描述符可以进一

醉酒柴柴·2024-09-11 21:32

【CV论文精读】Adaptive Fusion of Multi-Scale YOLO for Pedestrian Detection基于多尺度自适应融合YOLO的行人检测

AdaptiveFusionofMulti-ScaleYOLOforPedestrianDetection0.论文摘要和作者信息摘要虽然行人检测技术在不断改进，但由于不同规模的行人和遮挡行人模式的不确定性和多样性，行人检测仍然具有挑战性。本研究遵循单次目标检测的通用框架，提出了一种分而治之的方法来解决上述问题。该模型引入了一个分割函数，可以将一幅图像中没有重叠的行人分割成两个子图像。通过使用网络架

量子-Alex·2024-02-14 08:20

DCU-Net: Multi-scale U-Net for brain tumor segmentation

论文：4区2020数据集：BraTS20181.Introduction胶质瘤是发生在大脑中最常见的原发性肿瘤类型之一。它由胶质瘤细胞生长而成，可分为低级和高级胶质瘤。高等级胶质瘤（HGG）更具侵略性和恶性，预期寿命最多两年，而低等级胶质瘤（LGG）可以是良性或恶性的，生长更缓慢，预期寿命为几年[1].良性肿瘤一般在手术后恢复，恶性肿瘤因其难治性而难以治愈。它严重危害人类健康，因此，如何更好地诊断

zelda2333·2024-02-06 06:12

Multi-scale Perception and Feature Refinement Network for multi-classsegmentation of intracerebral

基于多尺度感知和特征细化网络的脑出血CT图像多类分割摘要：脑出血对人类健康和福祉构成严重威胁。CT图像中血肿的自动分割可以为医生提供必要的诊断协助，并确保改善患者的治疗和康复效果。现有的脑出血分割方法主要集中在识别出血区域，不能准确区分和勾勒出不同类型的血肿。然而，不同类型的出血在灰质水平和形状方面表现出高度的相似性，血肿的规模也可能有很大差异。为了解决这个问题，我们提出了一个多尺度感知和特征细化

我在努力学习分割（禁止说我水平差）·2024-02-03 08:03

RSIS 系列 Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation 论文阅读

RSIS系列RotatedMulti-ScaleInteractionNetworkforReferringRemoteSensingImageSegmentation论文阅读笔记一、Abstract二、引言三、相关工作ReferringImageDetectionandSegmentationRemoteSensingReferringImageDetectionandSegmentation四

乄洛尘·2023-12-31 08:33

DETR++: Taming Your Multi-Scale Detection Transformer论文解读

tangjunjun-owen·2023-12-27 18:22

【论文阅读】MCANet: Medical Image Segmentation with Multi-Scale Cross-Axis Attention

文章目录摘要创新点总结实现效果总结摘要链接：https://arxiv.org/abs/2312.08866医学图像分割是医学图像处理和计算机视觉领域的关键挑战之一。由于病变区域或器官的大小和形状各异，有效地捕捉多尺度信息和建立像素间的长距离依赖性至关重要。本文提出了一种基于高效轴向注意力的多尺度交叉轴注意（MCA）方法来解决这些问题。MCA通过计算两个并行轴向注意力之间的双向交叉注意力，以更好地

AI浩·2023-12-25 14:40

【Yolov5 Traffic Sign】《Improved YOLOv5 network for real-time multi-scale traffic sign detection》

NeuralComputingandApplications2023文章目录1BackgroundandMotivation2RelatedWork3Advantages/Contributions4Method4.1TheimprovedYOLOv5snetworkframework4.2AF-FPNstructure4.3Dataaugmentation5Experiments5.1Datas

bryant_meng·2023-12-03 09:15

【ICCV 2023】EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction

EfficientViT:Multi-ScaleLinearAttentionforHigh-ResolutionDensePrediction,ICCV2023论文：https://arxiv.org/abs/2205.14756代码：https://github.com/mit-han-lab/efficientvit解读：MITHanLab|EfficientViT：高分辨率低计算视觉识别的

m0_61899108·2023-11-19 20:59

SegAN:Adversarial Network with Multi-scale L1 Loss for Medical Image Segmentation-笔记

这次介绍将对抗网络第一次应用到医学图像分割的文章。代码作者提出用对抗网络进行分割，损失函数使用多尺度L1损失函数。该论文的判别器和生成器分别为criticnetwork(C)和segmentornetwork(S)。首先介绍一下SegAN与原始的GAN的区别。1，损失函数的区别。经典的GAN的generator和discriminator的损失是分开的。本论文为segmentor和criticne

sunyao_123·2023-11-05 05:16

[论文笔记] SegAN: Adversarial Network with Multi-scale L1 Loss for Medical Image Segmentation

文章于2017年6月提交到Arxiv，投稿于Neuroinformatics(2018)，Publishedonline:3May2018作者单位：DepartmentofComputerScienceandEngineering,LehighUniversity文章截止2019.3.25的引用量为50文章代码见github这篇文章主要的创新点在于不同于之前的公式化loss，作者设计了一个可以进行

hellopipu·2023-11-05 05:40

图像语义分割 pytorch复现DeepLab v1图像分割网络详解以及pytorch复现（骨干网络基于VGG16、ResNet50、ResNet101）

图像分割网络详解以及pytorch复现（骨干网络基于VGG16、ResNet50、ResNet101）背景介绍2、网络结构详解2.1LarFOV效果分析2.2DeepLabv1-LargeFOV模型架构2.3MSc（Multi-Scale

郭庆汝·2023-10-25 08:05

单图像超分辨率的多尺度残差分层密集（Multi-Scale Residual Hierarchical DenseNetworks for Single Image Super-Resolution）

摘要：已知单图像超分辨率是一个不适定的问题，已经研究了数十年。随着深度卷积神经网络的发展，基于CNN的单图像超分辨率方法大大提高了生成的高分辨率图像的质量。但是，图像超分辨率很难充分利用低分辨率图像中像素之间的关系。为了解决这个问题，我们提出了一种新颖的多尺度残差分层密集网络，该网络试图找到多层次和多尺度特征中的依赖关系。特别是，我们应用了atrous空间金字塔池，该池以不同的膨胀速率连接了多个a

一壶浊酒..·2023-10-18 15:46

快速人群密度估计--Multi-scale Convolutional Neural Networks for Crowd Counting

Multi-scaleConvolutionalNeuralNetworksforCrowdCountinghttps://arxiv.org/abs/1702.02359对于人群密度估计问题，由于图像中scalevariationsproblem，所以提出使用多个CNN来解决Multi-column/network。使用多个CNN网络导致网络的参数数量增加，计算量增加，不利于在实际中应用部署。这

O天涯海阁O·2023-10-15 20:10

人群计数：SFANet--Dual Path Multi-Scale Fusion Networks with Attention for Crowd Counting

Therearetwoquestionsincrowdcounting:largeheadscalevariationscausedbycameraperspectiveanddiversecrowddistributionswithhighbackgroundnoisyscenes.Facedwithsuchproblems,weproposedamodelnamedSFANettosolvet

目睹闰土刺猹的瓜·2023-10-15 20:09

图异常检测-Graph Anomaly Detection via Multi-Scale Contrastive Learning Networks with Augmented View

目录摘要Introduction图异常检测早期的工作GraphConstrastiveLearningGraphAugmentationProblemDefnitionMethodGraphAugmentationGraphContrastiveNetworkExperimentsExperimentSettingsModelParametersResultandAnalysisAblationS

无脑敲代码，bug漫天飞·2023-09-19 10:21

论文阅读--You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery

Title:YouOnlyLookTwice:RapidMulti-ScaleObjectDetectionInSatelliteImageryAbstract:Detectionofsmallobjectsinlargeswathsofimageryisoneoftheprimaryproblemsinsatelliteimageryanalytics.Whileobjectdetectioni

追忆苔上雪·2023-09-18 19:22

YOLO-MS: Rethinking Multi-Scale Representation Learning for Real-time Object Detection(论文学习笔记)

性能超越YOLOv8与RTMDet，即插即用论文地址：https://arxiv.org/pdf/2308.05480.pdf代码地址：文中给了github地址，但是暂时打不开（2023.08.15）摘要作者旨在为目标检测社区提供一种高效且性能卓越的目标检测器，称为YOLO-MS。核心设计基于一系列对不同Kernel-Size卷积如何影响不同尺度上目标检测性能的研究。研究结果是一种可以显著增强实时

athrunsunny·2023-08-30 21:45

yolo训练参数scale和multi-scale的区别

yolov5/v7训练时，有两个和多尺度有关的参数，一个是scale,另一个是multi-scale（yolov8去掉了这个）。

CodingInCV·2023-08-08 09:16

Efficient Multi-Scale Attention注意再改动，自设计创新即插即用，独有设计！！

借鉴EMA思想，重新设计重设计1重设计2实验测试之前的文章链接改进YOLOv5/YOLOv8:复现结合即插即用|高效多尺度注意力（EMA），模块成为YOLOv5改进的小帮手在深度学习和计算机视觉的研究中，随着对模型复杂度和计算效率需求的不断提高，研究者们开始尝试各种方法来提升模型的表现。其中，注意力机制的提出被证明是一种非常有效的方法。它能够帮助模型集中在输入中的重要部分，从而提升模型的表

一休哥※·2023-07-24 16:57

即插即用篇 | YOLOv8 引入具备跨空间学习的高效多尺度注意力 Efficient Multi-Scale Attention | 《ICASSP 2023 最新论文》

论文地址：https://arxiv.org/vc/arxiv/papers/2305/2305.13563v1.pdf该论文展示了通道或空间注意机制在各种计算机视觉任务中产生更明显的特征表示的显著效果。然而，通过通道维度缩减来建模跨通道关系可能会在提取深度视觉表示方面带来副作用。本文提出了一种新颖高效的多尺度注意(EMA)模块。该模块专注于保留每个通道上的信息并减少计算负荷，通过将部分通道重塑为

迪菲赫尔曼·2023-07-16 08:52

【论文阅读笔记】Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation

论文小结：本文提出了一种可以多尺度提取边缘保留的多尺度图像解耦技术，同时作者表明基于双边滤波的细节解耦技术，在任何尺度上都达不到满意的结果，都是受限的。作者提出的方法是以带权重的最小二乘优化法为框架的，它特别适合图像的渐进式平滑化和多尺度细节提取。实际上，本文提出的方法WLS，是一种比BLF效果更好的保边算法，但耗时也要大得多。论文介绍作者认为，双边滤波非常适合去躁和精细尺度上的细节提

时光机ﾟ·2023-06-17 03:15

【代码调试】《Multi-scale Positive Sample Refinement for Few-shot Object Detection》

论文地址：https://arxiv.org/abs/2007.09384#:~:text=Multi-Scale%20Positive%20Sample%20Refinement%20for%20Few-Shot

薛铁钢·2023-06-15 15:56

论文阅读：An Efficient Video Coding System with An Adaptive Overfitted Multi-Scale Attention Network

简介：本文提出一种有效的视频编码系统（EVCS），该系统由常规编解码器和自适应过度拟合多尺度注意力网络（MSAN）组成，以提高编码效率。在在编码器端，MSAN自适应地调整网络大小，并以过拟合的方式针对一组帧进行训练。仅使用当前的编码视频流作为训练集，MSAN即可轻松获得强大的恢复功能。训练后，将学习到的MSAN参数作为编码比特流的一部分传输到解码器。在解码器端，加载了传输参数的MSAN可以非常精心

青吟乐·2023-04-21 21:16

Multi-scale context多尺度上下文信息的学习

Multi-scalecontext多尺度上下文信息的学习1参考1参考SPP，PPM、ASPP和FPN结构理解和总结:SPP，PPM、ASPP和FPN结构理解和总结lSPP、ASPP和FPN:SPP、ASPP和FPN空间金字塔池化改进SPP/SPPF/SimSPPF/ASPP/RFB/SPPCSPC/SPPFCSPC:空间金字塔池化改进SPP/SPPF/SimSPPF/ASPP/RFB/SPPCS

溯水襄陵_·2023-04-19 19:30

【研究型论文】EC-GCN: A encrypted traffic classification framework based on multi-scale GNN

文章目录EC-GCN:Aencryptedtrafficclassificationframeworkbasedonmulti-scalegraphconvolutionnetworks摘要存在的问题论文贡献1.分析和动机图结构分析图节点和边分析2.问题和模型问题定义模型框架3.工作流程4.模型评估总结论文内容数据集EC-GCN:Aencryptedtrafficclassificationfra

过动猿·2023-04-18 18:04

论文阅读 - ANEMONE: Graph Anomaly Detection with Multi-Scale Contrastive Learning

目录摘要1简介2问题陈述3PROPOSEDANEMONEFRAMEWORK3.1多尺度对比学习模型3.1.1增强的自我网络生成3.1.2补丁级对比网络3.1.3上下文级对比网络3.1.4联合训练3.2统计异常估计器4EXPERIMENTS4.1ExperimentalSetup4.1.1Datasets4.1.2Baselines4.1.3Metric4.2有效性评价4.3AblationStud

无脑敲代码，bug漫天飞·2023-04-16 09:09

【目标检测论文阅读笔记】Lightweight multi-scale network for small object detection

ABSTRACT小目标检测在现实世界中有着广泛的应用。在复杂场景中检测小目标非常困难，因为它们的分辨率很低。目前，许多研究在提高小目标检测精度方面取得了重大进展。但是，有些算法不能很好地平衡检测速度和精度。为了解决上述问题，本文提出了一种利用多尺度信息的轻量级多尺度网络(LMSN)。首先，通过多尺度特征融合单元在各个尺度上对语义信息交互进行显式建模；其次，采用轻量级感受野增强模块增强网络的特征提取

YoooooL_·2023-04-02 08:12

Note《Boundary finding based multi-focus image fusion through multi-scale morphological focus-measure》

这篇文章的整体思路首先是得到清晰块，不清晰块和含有清晰区域和不清晰区域的块，然后再在含有清晰区域和不清晰区域的块中确定边界。最后再将所有图像的清晰块相结合，边界区域相结合，最后得到融合后的图像。其主要思路是：Step1：定义一种清晰度描述，MSMFM，一种多尺度下形态学梯度求和的结果。如图1：图1Step2：基于saliency_map确定清晰块，不清晰块及含有清晰区域和不清晰区域的块。并在清晰区

sunsimple·2023-02-18 18:19

VGGnet的网络结构和特点

VGGNet也沿用了AlexNet数据增强的方法（Multi-Scale）防止模型过拟合。相较与AleNet,VGGNet最大的改进或者说区别

SauryGo·2023-02-06 13:46

multi-scale net

1.AReal-TimeFaceDetectorBasedonanEnd-to-EndCNN_2017多尺度的方法能够解决小尺度的问题Inthispaper,areal-timeapproachforfacedetectionwasproposedbyutilizingasingleend-to-enddeepneuralnetworkwithmulti-scalefeaturemaps,mult

summerzy·2023-02-05 08:37

【超分辨率】OverNet: Lightweight Multi-Scale Super-Resolution with Overscaling Network

论文名称：OverNet:LightweightMulti-ScaleSuper-ResolutionwithOverscalingNetwork论文下载地址：https://arxiv.org/pdf/2008.02382.pdf论文代码地址：https://github.com/pbehjatii/OverNet-PyTorch论文标题：1.论文概述OverNet被提出是为了解决以下几个问题：

亿点困难·2023-02-03 07:53

2-13 异常检测 Multi-Scale LSTM Model for BGP Anomaly Classification 笔记

一、基本信息期刊/会议：IEEETrans.Serv.Comput. 年份：2018二、论文总结2.1研究方向利用小波变换、注意力机制和LSTM对BGP数据进行异常检测（有监督）。2.2写作动机之前人们使用LSTM做时间序列异常检测多是用stack-LSTM，这样带来的问题是参数量较大，并且模型过于复杂。本文作者首先使用小波变换提取出原始序列的多尺度信息，然后用LSTM和注意力机制提

Siberia_·2023-02-01 23:53

图像合成：Multi-scale Image Harmonization

Multi-scaleImageHarmonization文章目录Multi-scaleImageHarmonizationOverviewSmoothHistogramMatchingStructureandNoiseMatchingPyramidcompositing在图像合成、拼接、纹理合成等图像处理应用场景中，不仅仅是需要实现背景图像内容间的无缝融合，还需要保证合成图像真实性，前面提到的泊

HFSLZ耶·2023-02-01 09:16

【图像去模糊】Deep Multi-scale Convolutional Neural Network for Dynamic Scene Deblurring论文笔记

一.论文概述一般因动态场景造成的非均匀模糊是图像去模糊中一个具有挑战性的问题，这类模糊由相机抖动、场景深度以及多个对象运动造成。消除这类复杂运动模糊，传统的基于简单假设的方法不在适用在本文中，作者提出了一种多尺度卷积神经网络，以端到端的方式恢复由多种原因造成的模糊图像，作者还提出了多尺度损失函数来模拟传统的由"粗糙到精细"的方法。此外，作者还提出了一个新的大规模数据集（仅由模糊和清晰图像对组成），

亿点困难·2023-01-31 15:52

FB-MSTCN: A FULL-BAND SINGLE-CHANNEL SPEECH ENHANCEMENT METHODBASED ON MULTI-SCALE TEMPORAL CONVOLU

题目：FB-MSTCN:AFULL-BANDSINGLE-CHANNELSPEECHENHANCEMENTMETHODBASEDONMULTI-SCALETEMPORALCONVOLUTIONALNETWORK[ICASSP2022arXiv:2203.07684v1]Motivation由于训练数据的限制和计算复杂度，全波段(48kHz)语音信号的实时增强非常具有挑战性。由于高频部分的频谱信息能

路飞快来找我·2023-01-29 04:20

深度学习(8):FastFCN代码运行、测试与预测2

FsatFCN上一篇：深度学习(五)：FastFCN代码运行、测试与预测_biter0088的博客-CSDN博客3测试模型3.2.4predict[multi-scale]（多尺寸）#github参考输入

biter0088·2023-01-28 16:46

HIERARCHICAL MULTI-SCALE ATTENTION FOR SEMANTIC SEGMENTATION用于语义分割的层次多尺度注意力

HIERARCHICALMULTI-SCALEATTENTIONFORSEMANTICSEGMENTATION论文：https://arxiv.org/abs/2005.10821代码：https://github.com/nvidia/semanic-segmentation论文核心：howtocombinemulti-scalepredictions：层次注意力机制。摘要多尺度的推理是改善语义

Amberrr-L·2023-01-25 22:03

Multi-branch and Multi-scale Attention Learning for Fine-Grained Visual Categorization 论文学习

AbstractILSVRC（ImageNet大规模视觉识别挑战赛）是计算机视觉领域最权威的学术竞赛之一。直接将ILSVRC每年的冠军方案应用在细粒度视觉分类（FGVC）任务上无法取得很好的表现。对于FGVC任务而言，类间差异小而类内差异大的特点使这个问题变得很有挑战性。本文的注意力目标定位模块（AOLM）可以预测目标的位置，注意力局部提议模块（APPM）可以发现信息丰富的局部区域，无需边框或部分

calvinpaean·2023-01-25 22:30

Shunted Self-Attention via Multi-Scale Token Aggregation

文章链接：https://arxiv.org/pdf/2111.15193.pdf代码：https://github.com/OliverRensu/Shunted-Transformer最近的VisionTransformer(ViT)模型在各种计算机视觉任务中表现优异，这得益于它能够通过自注意对图像块或标记的长期依赖进行建模。然而，这些模型通常在每一层中每个token特征指定指定的感受野。这种

小小小~·2023-01-18 01:05

MDFN: Multi-scale deep feature learning network for object detection 文章翻译及学习

MDFN:Multi-scaledeepfeaturelearningnetworkforobjectdetection用于目标检测的多尺度深层特征学习网络请结合论文共食。3Deepfeaturelearningnetwork3.1deepfeatureextractionandanalysis假设：这些特征图应该能够提供精细的细节，尤其是对于较早的图层而言；转换特征图的功能应扩展到足够深的层，以

是个小尾巴呀·2023-01-17 12:37

GoogLeNet （Inception）v1论文笔记

decisionswerebasedon赫布法则和对于multi-scale处理的直觉。multi-scale：用多种尺度的卷积核并行处理，之后汇总Intr

白蜡虫可·2023-01-11 20:58

GridDehazeNet: Attention-Based Multi-Scale Network for Image Dehazing(ICCV2019)

1摘要我们提出了一个端到端可训练的卷积神经网络(CNN)，命名为GridDehazeNet，用于单幅图像去雾。GridDehazeNet由三个模块组成:预处理、主干和后处理。与由手动预处理方法产生的那些导出输入相比，可训练预处理模块可以产生具有更好多样性和更相关特征的学习输入。主干模块在网格网络上实现了一种新颖的基于注意力的多尺度估计，可以有效缓解传统多尺度方法中经常遇到的瓶颈问题。后处理模块有助

change_lkl·2023-01-06 18:27

论文翻译：2022_DNS_1th：Multi-scale temporal frequency convolutional network with axial attention for spee.

论文地址：带轴向注意的多尺度时域频率卷积网络语音增强论文代码：https://github.com/echocatzh/MTFAA-Net引用：ZhangG,YuL,WangC,etal.Multi-scaletemporalfrequencyconvolutionalnetworkwithaxialattentionforspeechenhancement[C]//ICASSP2022-2022

凌逆战·2023-01-06 08:05

AI医药论文笔记--MUFFIN: multi-scale feature fusion for drug–drug interaction prediction

MUFFIN:多尺度特征融合预测药物-药物相互作用论文题目MUFFIN:multi-scalefeaturefusionfordrug–druginteractionprediction论文出自Bioinformatics,2021,1–8一、研究现状？以往的研究利用大量的标记数据，仅仅考虑药物的结构或序列信息，而没有考虑药物与其他生物医学对象(如基因、疾病、通路)之间的关系或拓扑信息，或仅考虑知

努力AC的潇潇·2023-01-04 09:21

Re-ID论文 Person Search by Multi-Scale Matching

Weconsidertheproblemofpersonsearchinunconstrainedsceneimages.Existingmethodsusuallyfocusonimprovingthepersondetectionaccuracytomitigatenegativeeffectsimposedbymisalignment,misdetections,andfalsealarms

计算机视觉-Archer·2023-01-01 15:17

论文阅读——Multi-scale Domain-adversarial Multiple-instance CNN for Cancer Subtype Classification

论文阅读之Multi-scaleDomain-adversarialMultiple-instanceCNNforCancerSubtypeClassificationwithUnannotatedHistopathologicalImagesfromCVPR2020单位|NagoyaInstituteofTechnology；NagoyaUniversityHospital；日本理化学研究所Ab

黄小米吖·2023-01-01 13:01

深度学习中的数据增强方法

目前深度学习方法广泛采用的数据增强方法，主要有：multi-scale：多尺度；translate：平移，[-6,-6]，左上；rotate：旋转，10°，顺时针；scaled：缩放，multi-crop

詹小布·2022-12-23 13:19

深度学习：目标检测-RCNN学习笔记：SSD:Single Shot MultiBox Detector

总而言之，在思考于RPN进行2-class分类的时候，能否借鉴YOLO并简化fasterrcnn在21分类同时整合fasterrcnn中anchorboxes实现multi-scale的思想而设计出了SSD

有些代码不应该被忘记·2022-12-23 13:27

论文《Context Contrasted Feature and Gated Multi-scale Aggregation for Scene Segmentation》笔记

论文来自CVPR2018代码：https://github.com/henghuiding/CCL出发点深度卷积神经网络在语义分割中，明显目标的特征会占主导地位，导致不明显地物的信息被弱化或忽略。背景信息是场景分割的关键，并且有很多工作关注了这一点。但是，上下文信息通常有更平滑的表征并会被明显目标所主导，这对不明显目标的识别是有害的。因此，本文提出了Contextcontrastedlocalfe

Simon---Chen·2022-12-21 07:33

推荐频道