-
公开(公告)号：CN114648684B
公开(公告)日：2025-02-18
申请号：CN202210294967.X
申请日：2022-03-24
Applicant: 南京邮电大学
IPC: G06V10/80 , G06V10/82 , G06V10/764 , G06V10/40 , G06N3/045 , G06V10/94 , G06N3/0464
Abstract: 一种用于图像目标检测的轻量级双分支卷积神经网络及其检测方法，通过构建双路径的网络以解决轻量化图像目标检测任务，由双路径骨干网、特征金字塔和轻量化检测头组成。骨干网核心模块为增强的混洗模块ESB，采用高效自注意力模块ESAM来捕捉特征全局依赖，同时保持非常少的模型参数和计算复杂度。骨干网采取双分支网络，一路分支保持高分辨率，另一路分支采用连续下采样获得抽象语义信息。在特征金字塔中将ESAM扩展为ECAM来捕捉不同分辨率之间特征的关系。检测头采用轻量化的深度可分离卷积来进行边框和类别的预测。实验结果表明，本网络架构以及检测方法实现了检测精度和实施效率之间的最佳平衡，成为解决轻量化图像目标检测任务的一种有效方法。
-
公开(公告)号：CN113066089B
公开(公告)日：2023-07-11
申请号：CN202110366778.4
申请日：2021-04-06
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于注意力引导机制的实时图像语义分割方法，包括下采样单元，上采样单元，极致高效残差模块，自适应注意力模块以及自适应融合模块。整体网络结构的特征提取单元为极致高效残差模块，使用自适应注意力模块ASAM有效减小了模块的计算复杂度，且能捕捉到有效像素点之间的相关性信息；并通过自适应融合模块ASFM将低级与高级特征连接起来，在语义分割中，将不同层次的特征连接起来；通过对以上五个组件进行堆叠，构建基于注意力机制的实时语义分割网络，其中编码器生成下采样的特征图，解码器对深层的特征图进行上采样以匹配输入图像分辨率，恢复图像的空间信息并向分割类别映射，最终生成与输入图像相同分辨率的语义分割结果图。
-
公开(公告)号：CN114648684A
公开(公告)日：2022-06-21
申请号：CN202210294967.X
申请日：2022-03-24
Applicant: 南京邮电大学
Abstract: 一种用于图像目标检测的轻量级双分支卷积神经网络及其检测方法，通过构建双路径的网络以解决轻量化图像目标检测任务，由双路径骨干网、特征金字塔和轻量化检测头组成。骨干网核心模块为增强的混洗模块ESB，采用高效自注意力模块ESAM来捕捉特征全局依赖，同时保持非常少的模型参数和计算复杂度。骨干网采取双分支网络，一路分支保持高分辨率，另一路分支采用连续下采样获得抽象语义信息。在特征金字塔中将ESAM扩展为ECAM来捕捉不同分辨率之间特征的关系。检测头采用轻量化的深度可分离卷积来进行边框和类别的预测。实验结果表明，本网络架构以及检测方法实现了检测精度和实施效率之间的最佳平衡，成为解决轻量化图像目标检测任务的一种有效方法。
-
公开(公告)号：CN113066089A
公开(公告)日：2021-07-02
申请号：CN202110366778.4
申请日：2021-04-06
Applicant: 南京邮电大学
Abstract: 一种基于注意力引导机制的实时图像语义分割网络，包括下采样单元，上采样单元，极致高效残差模块，自适应注意力模块以及自适应融合模块。整体网络结构的特征提取单元为极致高效残差模块，使用自适应注意力模块ASAM有效减小了模块的计算复杂度，且能捕捉到有效像素点之间的相关性信息；并通过自适应融合模块ASFM将低级与高级特征连接起来，在语义分割中，将不同层次的特征连接起来；通过对以上五个组件进行堆叠，构建基于注意力机制的实时语义分割网络，其中编码器生成下采样的特征图，解码器对深层的特征图进行上采样以匹配输入图像分辨率，恢复图像的空间信息并向分割类别映射，最终生成与输入图像相同分辨率的语义分割结果图。
-
-
-
Search Results
4
records
(took 0.069 seconds)
