针对RGB-D图像的语义分割问题,提出了一种结合通道注意力机制的RefineNet网络。考虑到网络特征图中各个通道重要性的不同,将通道注意力机制分别引入基本RefineNet的编码器和解码器模块,以增
针对全卷积孪生(SiamFC)网络算法在相似目标共存和目标外观发生显著变化时跟踪失败的问题,提出一种基于注意力机制的在线自适应孪生网络跟踪算法(AAM-Siam)来增强网络模型的判别能力,实现在线学习
实时目标检测算法YOLOv3的检测速度较快且精度良好,但存在边界框定位不够精确、难以区分重叠物体等不足。提出了Attention-YOLO算法,该算法借鉴了基于项的注意力机制,将通道注意力及空间注意力
传统基于项目的协同过滤算法在计算项目之间相似度时只考虑历史项目的评分,而忽略了历史项目偏好对其的影响,以至于推荐精度不够理想。针对此问题,提出了一种融合注意力机制的深度电影推荐算法。根据得到的隐性反馈
针对高速公路环境下的车型识别问题,利用深度学习Caffe 框架中的AlexNet 和传统方法支持向.量机( SVM) ,分别对车辆图像进行网络训练与测试,得到两种车型识别方法的准确率并进行比较验证。.
由于光照、遮挡、尺度变化等原因,在真实多变场景下完成人脸追踪面临挑战。探究了基于卷积神经网络(CNN)的人脸追踪,将基本的卷积神经网络改进为孪生神经网络,在OTB数据集上采用端到端的方式,以成对图像区
基于卷积神经网络的路面病害检测技术,欧阳林澍,徐国胜,快速、准确的裂缝自动识别对于保障行车安全具有重要的意义。现有的裂缝识别技术大多基于人工提取局部图像特征或边缘检测等方法,
基于卷积神经网络的未知流量分类策略,陈晔欣,黎淑兰,为了提高网络流量分类的准确性及健壮性,本文设计了基于卷积神经网络的网络流量分类系统,并在此基础上针对混合流量中存在未知类
在无人驾驶技术中,道路场景的理解是一个非常重要的环境感知任务,也是一个很具有挑战性的课题。提出了一个深层的道路场景分割网络(RoadSceneSegmentationNetwork,RSSNet),该
针对传统方法进行图像分割易受噪声影响问题,提出了一种基于全卷积神经网络的林木图像分割方法。该方法不需要对图像进行预处理,利用上池化和反卷积层恢复图像分辨率,采用跳跃连接降低网络复杂度,同时避免了梯度消
