- 博客(83)
- 收藏
- 关注
RSS订阅原创 SalFAU-Net:显著性目标检测的显著性融合注意U-Net
显著目标检测（SOD）在计算机视觉中仍然是一个重要的任务，其应用范围从图像分割到自动驾驶。基于全卷积网络（FCN）的方法在过去几十年里在视觉显著性检测方面取得了显著进展。然而，这些方法在准确检测显著目标方面存在局限性，尤其是在具有多个目标、小目标或低分辨率目标的具有挑战性的场景中。为了解决这个问题，作者提出了一种显著性融合注意力U-Net（SalFAU-Net）模型，该模型在每个解码器块中引入了一个显著性融合模块，以从每个解码器块生成显著性概率图。
2024-05-10 13:57:32
1193
原创 Matten:视频生成与Mamba-Attention
在本文中，作者介绍了Matten，一种具有Mamba-Attention架构的尖端潜在扩散模型，用于视频生成。在极小的计算成本下，Matten利用空间-时间注意力对局部视频内容进行建模，并使用双向Mamba对全局视频内容进行建模。作者的全面实验评估表明，Matten在基准性能上与当前的基于Transformer和GAN的模型具有竞争力，实现了更优的FVD得分和效率。此外，作者观察到作者设计的模型复杂度与视频质量的提升之间存在直接的正相关关系，这表明Matten具有出色的可扩展性。
2024-05-10 13:52:11
1914
1
原创 DetCLIPv3:面向多功能生成开放词汇的目标检测
现有的开词汇目标检测器通常需要用户预设一组类别，这大大限制了它们的应用场景。在本文中，作者介绍了DetCLIPv3，这是一种高性能检测器，不仅在开词汇目标检测方面表现出色，同时还能为检测到的目标生成分层标签。DetCLIPv3的特点有三个核心设计：多功能的模型架构：作者导出一个健壮的开集检测框架，并通过集成字幕 Head 进一步赋予其生成能力。高信息密度数据：作者开发了一个自动标注 Pipeline ，利用视觉大型语言模型来细化大规模图像-文本对中的字幕，为训练提供丰富、多粒度的目标标签以增强训练。
2024-05-09 19:46:08
1529
1
原创 TinySeg:模型优化框架
图像分割是计算机视觉任务中的主要组成部分，适用于各种领域，如无人机的自主导航。然而，由于图像分割模型的结构特点，其通常具有很高的峰值内存使用量，这使得图像分割难以在小型嵌入式系统上实现。这项工作发现，在现有的小型机器学习框架下，图像分割模型不必要地占用大量内存空间。也就是说，现有框架不能有效地管理图像分割模型的内存空间。本研究提出了一个新的模型优化框架TinySeg，它使小型嵌入式系统能够高效地进行图像分割。TinySeg分析目标模型中张量的生命周期，并识别长期存在的张量。
2024-05-09 19:27:41
803
原创 面向侧扫声纳目标检测的YOLOX-ViT知识精馏
在本文中，作者提出了YOLOX-ViT这一新型目标检测模型，并研究了在不牺牲性能的情况下，知识蒸馏对模型尺寸减小的有效性。聚焦于水下机器人领域，作者的研究解决了关于较小模型的可行性以及视觉Transformer层在YOLOX中影响的关键问题。此外，作者引入了一个新的侧扫声纳图像数据集，并使用它来评估作者的目标检测器的性能。结果显示，知识蒸馏有效减少了墙体检测中的误报。另外，引入的视觉Transformer层在水下环境中显著提高了目标检测的准确性。
2024-05-08 12:42:00
1069
原创 citylava:城市场景中VLMs的有效微调
在城市广阔且动态的场景中，交通安全描述与分析在从保险检查到事故预防的各种应用中起着关键作用。本文介绍了CityLLaVA，一个针对城市场景设计的视觉语言模型（VLMs）的新颖微调框架。CityLLaVA通过以下方式提升模型的认知和预测准确性：(1) 在训练和测试阶段使用边界框进行最优视觉数据预处理，包括视频最佳视角选择和视觉提示工程；(2) 构建简洁的问答序列并设计文本提示以细化指令理解；(3) 实施块扩展以高效微调大型VLMs；(4) 通过独特的顺序提问式预测增强来提高预测准确性。
2024-05-08 12:26:47
819
原创 MambaMOS:基于激光雷达的三维运动物体分割与运动感知状态空间模型
激光雷达基于的运动目标分割（MOS）旨在利用之前扫描的运动信息在当前扫描的点云中定位并分割运动目标。尽管之前的MOS方法取得了令人鼓舞的结果，但诸如时间信息和空间信息耦合较弱等几个关键问题仍需进一步研究。在本文中，作者提出了一种新颖的激光雷达基于的三维运动目标分割方法，名为MambaMOS，该方法具有运动感知的状态空间模型。首先，作者开发了一个新颖的嵌入模块，时间线索引导嵌入（TCBE），以增强点云中时间和空间信息的耦合，并减轻忽视时间线索的问题。
2024-05-07 11:46:08
1003
原创 fero - yolo - mamba:基于选择性状态空间的面部表情检测与分类
面部表情识别（FER）在理解人类情绪线索方面起着关键作用。然而，基于视觉信息的传统FER方法存在一些局限性，如预处理、特征提取和多阶段分类过程。这些不仅增加了计算复杂性，还需要大量的计算资源。考虑到基于卷积神经网络（CNN）的FER方案在识别面部表情图像中嵌入的深层、长距离依赖关系方面常常不足，以及Transformer固有的二次计算复杂性，本文提出了FER-YOLO-Mamba模型，该模型融合了Mamba和YOLO技术的原理，以促进面部表情图像识别和定位的高效协调。
2024-05-07 11:31:55
2002
1
原创 使用CUDA的PyTorch进行张量重整化的gpu加速
作者展示了基于张量重整化群（TRG）方法的数值计算可以通过利用NVIDIA的计算统一设备架构（CUDA）在图形处理单元（GPU）上的PyTorch显著加速。作者发现，在二维系统中，对于给定的精度，运行时间以及与边界维度的扩展都得到了改进。作者的结果表明，在未来的高精度TRG计算中，利用GPU资源是至关重要的。
2024-05-06 17:33:13
1246
1
原创 VastGaussian:用于大型场景重建的巨大3D高斯函数
现有基于NeRF的大型场景重建方法在视觉效果和渲染速度方面往往存在限制。虽然最近的3D高斯分裂在小型和以目标为中心的场景上表现良好，但将其扩展到大型场景由于受到有限的视频内存、漫长的优化时间和明显的视觉外观变化等问题而面临挑战。为了解决这些挑战，作者提出了VastGaussian，这是第一种基于3D高斯喷射的高质量重建和大型场景实时渲染的方法。作者提出了一种逐步分割策略，将大型场景划分为多个单元，其中训练相机和点云根据一种空中空间感知的可见性标准进行适当分布。这些单元在并行优化后合并成一个完整的场景。
2024-05-06 17:13:33
1919
1
原创 RAG-Driver: 多模态大语言模型中具有检索增强上下文学习的通用驱动解释
由“黑箱”模型驱动的机器人需要提供人类可理解的解释，这些解释是作者能够信任的。因此，可解释性在促进自主决策的可信度、透明度和最终用户接受度方面发挥着关键作用，尤其是在复杂的自动驾驶领域。多模态大型语言模型（MLLMs）的最新进展已经显示出在提高作为驾驶主体的可解释性方面的巨大潜力，它可以生成控制预测以及自然语言解释。然而，由于昂贵的标注成本导致的数据稀缺以及不同数据集之间的显著领域差距，开发一个健壮且可泛化的系统变得极其具有挑战性。
2024-04-29 15:56:28
1249
原创 FusionMamba:动态特征增强与曼巴的多模态图像融合
多模态图像融合旨在从不同的模态中整合信息，以创建具有全面信息和详细纹理的单张图像。然而，基于卷积神经网络融合模型在捕捉全局图像特征方面存在局限性，这是由于它们侧重于局部卷积操作。尽管基于Transformer的模型在全球特征建模方面表现出色，但它们却面临着由二次复杂度引起的计算挑战。近期，选择性的结构化状态空间模型显示出在具有线性复杂度的情况下建模长距离依赖关系的显著潜力，这为解决前述困境提供了一条有希望的道路。
2024-04-29 13:57:27
3781
原创 VoxAtnNet:三维点云卷积神经网络
面部生物识别是智能手机确保可靠和可信任认证的重要组件。然而，面部生物识别系统容易受到呈现攻击（PAs）的影响，且随着更复杂的呈现攻击工具，如3D硅胶面部面具的可用性，攻击者可以轻易欺骗面部识别系统。在这项工作中，作者提出了一种基于智能手机前置摄像头捕获的3D点云的新型呈现攻击检测（PAD）算法，以检测呈现攻击。所提出的PAD算法VoxAtnNet处理3D点云以获得 Voxel 化以保留空间结构。然后，使用新型卷积注意力网络对 Voxel 化的3D样本进行训练，以在智能手机上检测PAs。
2024-04-28 16:42:15
1088
原创 利用Triple U.Net结构对冷冻切片H&E染色组织学图像进行核实例分割
细胞核实例分割在肿瘤诊断和癌症病理学研究中至关重要。H&E染色图像常用于医学诊断，但在用于图像处理任务之前需要进行预处理。两种主要的预处理方法是福尔马林固定石蜡包埋样本（FFPE）和冷冻组织样本（FS）。尽管FFPE被广泛使用，但它耗时长，而FS样本可以快速处理。由于快速处理过程可能导致图像质量下降，分析来自快速样本制备、染色和扫描的H&E染色图像可能会遇到困难。本文提出了一种利用H&E染色图像独特光学特性的方法。实现了一个三分支U-Net架构，每个分支都为最终的分割结果做出贡献。
2024-04-28 16:25:17
1132
原创 手写文本识别系统的最佳实践
手写文本识别在近年来随着深度学习及其应用的兴起而快速发展。尽管深度学习方法在文本识别性能上提供了显著的提升，但是即使在小幅改变预处理或架构/优化元素时，也能检测到性能的非微不足道的偏差。这项工作遵循“最佳实践”的推理方式；强调简单而有效的实证实践，这些实践可以进一步帮助训练并提供性能优越的手写文本识别系统。具体来说，作者考虑了深度HTR系统的三个基本方 面，并提出了一些简单而有效的解决方案：在预处理步骤中保持图像的宽高比；使用最大池化将CNN输出的3D特征图转换为一组特征序列；
2024-04-27 11:15:20
1068
1
原创 BiSeNet的复仇:高效的多任务图像分割
近期在图像分割领域的进展主要集中在提高模型的效率，以满足实时应用的需求，特别是在边缘设备上。然而，现有的研究主要集中于单任务设置，尤其是语义分割，这导致了针对不同任务产生重复劳动和专业架构。为了克服这一限制，作者提出了一种新颖的高效多任务图像分割架构，能够在不牺牲效率或准确性的情况下处理各种分割任务。作者引入了BiSeNetFormer，它利用了两流语义分割架构的效率，并将其扩展为一种 Mask 分类框架。
2024-04-27 11:00:58
1105
1
原创 WiTUnet:一种集成CNN和Transformer的u型架构，用于改进特征对齐和局部信息融合
低剂量计算机断层扫描（LDCT）已成为诊断医学成像的首选技术，这是由于与X射线辐射和传统计算机断层扫描（CT）技术相关的潜在健康风险。尽管LDCT与标准CT相比使用较低的辐射剂量，但它导致了图像噪声的增加，这可能会影响诊断的准确性。为了解决这一问题，已经开发了基于高级深度学习的LDCT去噪算法。这些算法主要利用卷积神经网络（CNNs）或Transformer网络，并且通常采用Unet架构，通过 Short-Cut （skip connections）整合编码器和解码器的特征图来增强图像细节。
2024-04-26 15:04:32
1688
原创 文字控制的Mamba运动:文字指导的人类运动的时间基础
人类动作理解是一项具有多种实际应用的基本任务，这一任务得益于大规模动作捕捉数据集的可用性。最近的研究关注于文本动作任务，例如基于文本的动作生成、编辑和问答。在本次研究中，作者引入了基于文本的人类动作定位（THMG）这一新任务，旨在精确地在未修剪的动作序列中定位与给定文本描述相对应的时间段。捕捉全局时间信息对于THMG任务至关重要。然而，基于Transformer的模型依赖于全局时间自注意力，在处理长的未修剪序列时，面临着因二次计算成本带来的挑战。
2024-04-26 14:34:29
965
原创 CU-Mamba：具有通道学习功能的选择性状态空间模型用于图像恢复
重建退化图像是图像处理中的关键任务。尽管基于卷积神经网络（CNN）和Transformer的模型在该领域中非常普遍，但它们存在固有的局限性，比如对长距离依赖的建模不足以及高计算成本。为了克服这些问题，作者引入了通道感知U型Mamba（CU-Mamba）模型，它将双状态空间模型（SSM）框架融入到U-Net架构中。CU-Mamba使用空间SSM模块进行全局上下文编码，并采用通道SSM组件来保持通道相关性特征，两者相对于特征图大小都具有线性计算复杂性。
2024-04-24 14:53:32
2036
1
原创 广度优先搜索（BFS）
它从起始节点开始，逐层地向外扩展，首先探索当前节点的所有邻居节点，然后逐层深入地探索更远的节点，直到找到目标节点或者遍历完整个图。由于BFS的特性是逐层探索，所以当找到目标节点时，其所在的层数即为最短路径的长度。在单词接龙问题中，给定一个起始单词和一个目标单词，要求通过逐步替换单词中的字母，从起始单词变换到目标单词。BFS可以用于检测图中的连通性，即判断图中是否存在一条路径可以从一个节点到达另一个节点。搜索过程中保证按照节点的层次顺序进行，即先探索完当前层次的所有节点，然后再探索下一层次的节点。
2024-04-24 14:44:00
389
原创 使用文本到图像模型的一步图像翻译
在这项工作中，作者解决了现有条件扩散模型的两个局限性：由于迭代去噪过程导致的推理速度慢以及模型微调对配对数据依赖的问题。为了解决这些问题，作者引入了一种通过对抗性学习目标将单步扩散模型适应到新任务和领域的一般方法。具体来说，作者将原始潜扩散模型中的各种模块整合为一个具有小可训练权重的端到端生成网络，增强了其在保留输入图像结构的同时减少过拟合的能力。
2024-04-23 15:11:50
1060
原创 MobileNet V4——移动设备的通用模型 生态系统
作者介绍了最新一代的MobileNets，名为MobileNetV4（MNv4），其特点是针对移动设备设计的通用高效架构。在其核心部分，引入了通用倒瓶颈（UIB）搜索块，这是一个统一且灵活的结构，它融合了倒瓶颈（IB）、ConvNext、前馈网络（FFN）以及一种新颖的额外深度可分（ExtraDW）变体。与UIB并行，我们提出了Mobile MQA，这是一个专为移动加速器设计的注意力块，能带来显著的39%速度提升。同时，作者还介绍了一种优化的神经架构搜索（NAS）方法，它提高了MNv4搜索的有效性。
2024-04-23 15:05:18
2906
原创 Pytorh checkpoint系统深入解析以及优化（02）
调用方result = fn(storage, location)中，location是’cuda:0’，所以会进入_cuda_deserialize，最核心的是return obj.cuda(device)这个调用，里面会做cudaMemCpy。序列化的时候tensor额外被dump了，dump的时候类型都是storage，data是具体的tensor的数据。和序列化的时候对应，对zip文件调用_load，非zip文件（_legacy_save的那种）调用_legacy_load。
2024-04-21 09:58:31
936
原创 Pytorh checkpoint系统深入解析以及优化（01）
然后注意这一行：storage_key = id_map.setdefault(storage._cdata, str(len(id_map))) 如果键不存在于字典中，将会添加键并将值设为默认值。由于id_map一开始是空的，等同于添加key storage._cdata，value为递增的整数，storage_key也是递增的整数。这段代码的含义是根据用户的输入，选择不同的压缩算法和序列化方式，然后调用真正的序列化函数_save或者_legacy_save（目前先只看save）。
2024-04-21 09:57:44
778
原创 BEVCar:用于BEV地图和目标分割的相机-雷达融合
鸟瞰视角下的语义场景分割对于移动机器人的规划和决策至关重要。虽然最近的仅依靠视觉的方法在性能方面取得了显著进展，但它们通常在恶劣的光照条件下（如雨天或夜间）表现不佳。虽然主动传感器提供了解决这一挑战的方案，但激光雷达的 prohibitively 高成本仍然是一个限制因素。将摄像机数据与汽车雷达融合提供了一种更廉价的替代方案，但在先前的研究中受到了较少关注。在这项工作中，我们旨在通过引入 BEVCar，一种新颖的联合 BEV 对象和地图分割方法，推进这一有前途的途径。
2024-04-20 10:07:03
1467
原创 MambaDFuse:一种基于mamba的多模态图像融合双相位模型
多模态图像融合（MMIF）旨在将来自不同模态的互补信息整合到单一的融合图像中，以全面地表征成像场景并促进下游视觉任务的完成。近年来，由于深度神经网络的进步，在MMIF任务上取得了显著的进展。然而，现有方法受到固有的局部还原性偏差（CNN）或二次计算复杂度（Transformers）的限制，无法有效且高效地提取模态特定和模态融合特征。为了克服这个问题，作者提出了一个基于Mamba的双阶段融合（MambaDFuse）模型。
2024-04-20 09:57:28
4023
4
原创 鲁棒无监督人群计数与定位
现有的群体计数模型需要大量的训练数据，而这些数据的标注过程耗时且繁琐。为了解决这个问题，作者提出了一种简单而有效的人群计数方法，通过采用一种名为“Segment-Everything-Everywhere Model（SEEM）”的模型——这是对“Segmentation Anything Model（SAM）”的一种改进，来为训练人群计数模型生成伪标签。然而，作者的初步调查发现，SEEM在密集人群场景中的性能有限，这主要是因为在行人高密度区域遗漏了许多人。
2024-04-19 16:07:08
1069
原创 SpectralMamba：用于高光谱图像分类的高效 Mamba
递归神经网络和Transformer最近在光谱成像（HS）的大多数应用中占据主导地位，这归功于它们能够从光谱序列中捕捉长距离依赖关系。然而，尽管这些序列架构取得了成功，但由并行化困难或计算上过于昂贵的注意力所引起的不可忽视的低效率仍然限制了它们的实用性，特别是在遥感场景中的大规模观测。为了解决这个问题，作者提出了SpectralMamba——一种新颖的状态空间模型融合的高效深度学习框架，用于HS图像分类。SpectralMamba在两个层面上简化但对HS数据动态的建模是充分足够的。
2024-04-19 15:56:34
1934
原创 AIDE：自动驾驶目标检测的自动数据引擎
自动驾驶车辆（AV）系统依赖于健壮的感知模型作为安全保证的基石。然而，道路上遇到的物体表现出长尾分布，罕见或未见过的类别对部署的感知模型提出了挑战。这需要耗费大量人力进行持续的数据策划和标注。作者 Proposal 利用视觉语言和大型语言模型最近的进展来设计一个自动数据引擎（AIDE），它能自动识别问题，高效策划数据，通过自动标注改进模型，并通过生成多样化场景来验证模型。这个过程是迭代进行的，允许模型持续自我提升。
2024-04-18 21:59:41
1592
原创 Simba：Mamba 增强了 U-ShiftGCN，用于视频中的骨骼动作识别
骨架动作识别（SAR）涉及使用骨骼关节坐标及其互联来识别人类动作。尽管已经尝试将普通的Transformer应用于这项任务，但它们与基于图卷积网络（GCNs）的当前领先方法相比仍有不足，这是由于缺乏结构先验。最近，一种新颖的选择性状态空间模型Mamba作为Transformer中注意力机制的强有力替代品出现，它有效地建模了长序列。在这项工作中，据作者所知，作者首次提出了一个结合了Mamba的SAR框架。作者模型的每个基本块采用了新颖的U-ShiftGCN架构，以Mamba为其核心组件。
2024-04-18 21:54:55
1724
原创 LaVy: 越南多模态大型语言模型
大规模语言模型（LLMs）和多模态大规模语言模型（MLLMs）以其在复杂推理和语言理解方面的卓越能力在全球范围内引起了轰动。尽管有关越南大型语言模型的研究成果层出不穷，但多模态方面高质量资源的缺乏限制了越南MLLMs的发展。在本文中，作者首次通过引入LaVy，这是一个先进的越南MLLM，来解决这一问题。同时，作者还介绍了专门用于评估MLLMs在越南视觉语言任务上理解能力的LaVy-Bench基准。
2024-04-17 10:54:15
1141
原创 LUCF-Net：轻量级U形级联 用于医学图像分割的融合网络
在本研究中，通过添加Transformer，作者增强了现有U型神经网络架构在医学图像分割中的性能。尽管Transformer架构在提取全局信息方面非常强大，但由于其高复杂性，其在捕捉局部信息方面的能力有限。为了应对这一挑战，作者提出了一种新的轻量级U型级联融合网络（LUCF-Net）用于医学图像分割。它采用了不对称的结构设计，并结合了局部和全局模块，以增强其在局部和全局建模方面的能力。此外，还设计了一个多层级联融合解码网络，以进一步增强网络的信息融合能力。
2024-04-17 10:47:55
1321
原创 ViM-UNet：用于生物医学细分的 Vision Mamba
卷积神经网络（CNNs），尤其是UNet，是生物医学分割的默认架构。已经提出了基于Transformer的方法，如UNETR，以取代它们，得益于全局视野，但受到更大的运行时间和更高的参数数量的影响。最近的Vision Mamba架构为Transformer提供了一个有吸引力的替代方案，同样提供了全局视野，但效率更高。在这里，作者介绍了基于它的ViM-UNet，一种新颖的分割架构，并将其与UNet和UNETR在两个具有挑战性的显微实例分割任务上进行比较。
2024-04-16 17:54:45
1535
3
原创 2022-MIA：基于边界感知上下文神经网络的医学图像分割Boundary-aware context neural network for medical image segmentation
医学图像分割可以为进一步的临床分析和疾病诊断提供可靠的依据。随着卷积神经网络（CNN）的发展，医学图像分割性能有了显著的提高。然而，大多数现有的基于CNN的方法往往产生不令人满意的分割掩模没有准确的对象边界。这个问题是由有限的上下文信息和连续池化和卷积操作后的不充分的区分特征映射引起的。此外，医学图像的特点是高类内变化，类间不区分和噪声，提取强大的上下文和聚合的细粒度分割的区别性特征仍然具有挑战性。
2024-04-16 17:37:33
1813
原创 如何实现一个端对端分支
选择优化器类型首先，选择适合你的分支模型的优化器类型。常见的优化器包括随机梯度下降（SGD）、Adam、RMSprop等。根据你的需求和模型的特性选择最合适的优化器。定义优化器对象使用你选择的深度学习框架（如TensorFlow、PyTorch等）提供的优化器类来定义一个优化器对象。根据框架的文档，创建一个与分支模型关联的优化器对象。配置优化器参数配置优化器对象的参数，包括学习率、动量、衰减率等。根据你的训练需求和分支模型的特性，调整优化器的参数以达到最佳的训练效果。将优化器与模型关联。
2024-04-15 10:44:18
955
原创 消除 BEV 空间中的跨模态冲突，实现 LiDAR 相机 3D 目标检测
近期，3D目标检测器通常利用多传感器数据和在共享的鸟瞰图（BEV）表示空间中统一多模态特征。然而，我们的实证研究发现，以前的方法在生成无跨模态冲突的融合BEV特征方面存在局限性。这些冲突包括由BEV特征构建引起的外在冲突和源于异质传感器信号的内在冲突。因此，提出了一种新颖的消除冲突融合（ECFusion）方法，以明确消除BEV空间中的外在/内在冲突，并生成改进的多模态BEV特征。具体而言，设计了一个语义引导的基于流的对齐（SFA）模块，在融合之前通过统一BEV空间中的空间分布来解决外在冲突。
2024-04-14 15:36:47
1350
原创 【无标题】
计算机视觉是一门充满挑战和机遇的领域，其在现代科技和工程领域中的应用与日俱增。通过系统地学习基础知识、深入理解理论，并积极参与实践项目，个人能够逐步掌握计算机视觉的核心技术和方法。从图像处理到深度学习，从目标检测到图像生成，这一过程不仅是技术上的进步，更是对于智能系统理解视觉世界的探索。持续学习和保持热情是取得成功的关键。随着技术的不断更新和行业的快速变化，保持学习状态显得尤为重要。
2024-04-14 14:59:19
894
原创 关于DFS的学习
在递归版本中，可以通过函数参数传递已访问的节点集合，在非递归版本中，通常使用一个额外的集合来记录已访问节点。：传统的DFS从单一起点开始搜索，而双向DFS则同时从起点和终点开始搜索，通过两个方向的搜索相遇来减少搜索的时间复杂度。以上只是DFS算法的一些拓展和具体应用，实际上，DFS算法在解决各种问题中都有广泛的应用。：将迷宫视作图的问题，起点为迷宫的入口，终点为出口，可以使用DFS算法来寻找从起点到终点的路径。通过表示问题的状态和状态之间的转移关系，DFS可以搜索可能的解空间，并找到问题的解。
2024-04-12 15:17:47
1015
1
原创 Sigma：用于多模态语义分割的Mamba网络
多模态语义分割显著提高了AI代理在不利条件下的感知和场景理解能力，尤其是在低光或过度曝光的环境中。利用热成像和深度等额外模态（X模态）与传统RGB数据相结合，提供了互补信息，使得分割更加健壮和可靠。在这项工作中，作者介绍了Sigma，一个用于多模态语义分割的暹罗眼镜蛇网络，它采用了选择性结构化状态空间模型Mamba。与依赖于局部感受野有限的CNN或以二次复杂度为代价提供全局感受野的视觉 Transformer （ViTs）的常规方法不同，作者的模型以线性复杂度实现了全局感受野的覆盖。
2024-04-12 15:13:34
3034
3
【论文+代码】Swin-Unet Unet-Like Pure Transformer for Medical Image Se
2024-05-11
2023蓝桥杯C++A组省赛真题+题目解析+测试地址
2024-03-22
2023蓝桥杯Java组G卷及答题地址.zip
2024-03-20
2023蓝桥杯Java组C卷及答题地址.zip
2024-03-20
2023蓝桥杯C组A卷及答题地址
2024-03-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人