首页天道酬勤计算机视觉经典论文(计算机视觉方面毕业设计)

计算机视觉经典论文(计算机视觉方面毕业设计)

admin 12-04 03:35 301次浏览

00-1010金字塔分割注意力块用于增强特征提取的即插即用。金字塔分裂注意块可以代替ResNet的33卷积。提出基准网络ESPANet的目标分类和目标检测任务可以实现最先进的效果代码开源:https://github.com/murufeng/EPSANet

简介

金字塔分裂注意力(PSA)提出了一种基于SENet的多尺度特征图提取策略,整体结构图如下。它可以分为以下四个步骤:

利用SPC模块获取空间多尺度特征图;sew wet(Senet中的一个模块)用于获取空间级视觉注意向量,以提取多尺度反应图的目标特征。使用Softmax函数重新分配要素图权重向量;元素乘法运算用于权重向量和原始特征图,以获得最终结果响应图。

变压吸附模块的整体结构

算法

程控模块总体结构图

如上图所示,k0、K1、k2、k3为不同的卷积核参数(以ESPANet-small为例,本文为3、5、7、9),G0、G1、G2、G3为分组卷积参数(以ESPANet-small为例,本文默认为1、4、8、16)。整体而言,该模型利用不同的卷积核提取多尺度目标特征,并采用Concat运算将不同感受野的多尺度特征进行组合。

Split and Concat module

ESPANet区块如下图所示。与ResNet相比,它使用PSA模块而不是3x3卷积。ESPANet区块的整体结构如下图所示。

ESPANet块

因此,ESPANet和ResNet类型的整体结构图唯一不同的是,前者在每个块中使用PSA模块,而不是后者的33卷积。ESPANet的整体结构如下图所示。

ESPANet整体结构图

ESPANet

由于ESPANet和ResNet类型的整体结构图,唯一不同的是前者在每个块中使用PSA模块,而不是后者的3x3卷积,所以本节重点介绍PSA模块的代码。

PSA模块的整体配置如下:包含四个卷积层、sew8模块和Softmax功能。

PSA模块整体初始化代码

PSA模块的前向传播功能如下:Split-Concat-sew tweet-soft max。

此外,本文中使用的sew8是SENet中使用的sew8。如果你感兴趣,可以看看这篇论文。

PSA模块正向传播代码

综上所述,ESPANet是一个即插即用的视觉注意力参考网络,可用于目标分类、检测和分割等计算机视觉任务。整个代码可以从(https://github.com/muru feng/EPSANet)获得。

怎么用vue+antd实现折叠与展开组件Semaphore以及CyclicBarrierC++构造析构赋值运算函数怎么应用雷士灯具管理系统
keras自定义卷积层(keras实现卷积加lstm) spring注解有哪些(bootcamp中文)
相关内容