基于注意力的端到端韵律结构和重音联合预测方法

针对全卷积神经网络在图像分割中信息遗失、依赖固定权重导致分割精度低的问题,对U-Net结构进行改进并用于脑肿瘤磁共振(MR)图像的分割。在U-Net收缩路径上用注意力模块,将权重分布到不同尺寸的卷积层

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

深度卷积网络提取的表情特征易受背景、个体身份等因素影响,其与无用特征混合在一起对表情识别造成干扰。针对此问题,提出一种基于注意力模型的面部表情识别算法,该方法基于一个轻量级的卷积神经网络以避免过拟合,

点击上方“AI公园”,关注公众号,选择加“星标“或“置顶” 作者:Xu LIANG 编译:ronghuaiyang 导读 理解XLNet中的双流自注意力机制。 在我之前的文章什么是XLNet,它为什么

汇总了自Non-local和SENet之后的十几篇发表于CVPR/ICCV的经典的注意力方法,包括cbam、a2net、psanet、danet、apcnet、sknet、ccnet、gcnet、an

CA注意力模块的基本概念、作用和应用场景，并结合具体案例对其进行了详细讲解。通过学习本文，读者可以更好地了解CA注意力模块，在实际应用中取得更好的效果。

了解Socket的实现，里面包含源文件和文档之类的，齐全！！

基于任务的端到端模型学习

基于transformer的端到端中文语音合成，张宇强，刘刚，语音合成是人机交互关键部分，有很高的研究价值和应用价值。传统的语音合成系统需要多个组件如：文本前端、声学模型、声码器后端

针对已有文本识别网络由于深度不够而识别准确率较低的问题，文中提出一种改进的端到端文本识别网络结构。首先，将文本作为序列，采用残差模块将文本按列切分成特征向量输入循环层。这种残差结构增加了卷积网络的深度