期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于RepVGG的动态多尺度特征增强网络
1
作者 陈晓光 《计算机与网络》 2026年第1期33-39,共7页
针对轻量级RepVGG模型中静态卷积核与单向特征传递的缺陷,提出动态多尺度特征增强网络——RepVGG-Dynamic。通过动态多分支卷积(Dynamic Multi-Branch Convolution,DMBC)融合多尺度空洞卷积分支,采用门控网络生成输入自适应权重,设计跨... 针对轻量级RepVGG模型中静态卷积核与单向特征传递的缺陷,提出动态多尺度特征增强网络——RepVGG-Dynamic。通过动态多分支卷积(Dynamic Multi-Branch Convolution,DMBC)融合多尺度空洞卷积分支,采用门控网络生成输入自适应权重,设计跨阶段特征融合(Cross Stage Feature Fusion,CSFF)的双向特征金字塔结构实现多层次特征交互,引入自适应动态激活(Adaptive Dynamic Activation,ADA)函数,基于特征统计量动态调节阈值与斜率。在Imagenette2-320与Oxford-102 Flowers数据集上的实验表明,所提模型以93.8%/93.3%Top-1精度超越MobileOne-S4(89.6%/93.2%)与RepVGG-A0(91.3%/92.2%),仅需9.12 M参数与1.61 G浮点运算数(Floating Point Operations,FLOPs)。消融实验进一步验证DMBC在Imagenette2-320上贡献最大独立增益(+1.4%),CSFF在Oxford-102 Flowers上展现最强细粒度提升(+0.7%),ADA在双数据集实现稳定增益(Imagenette2-320+0.3%,Oxford-102 Flowers+0.2%)。为边缘设备提供了动态感知与硬件效率的平衡解决方案。 展开更多
关键词 RepVGG 动态卷积 多尺度特征 跨阶段特征融合 自适应激活函数
在线阅读 下载PDF
融合监督注意力模块和跨阶段特征融合的图像修复改进网络 被引量：3
2
作者 黄巧玲 郑伯川 +1 位作者 丁梓成 吴泽东 《计算机应用》 CSCD 北大核心 2024年第2期572-579,共8页
非规则缺失区域的图像修复技术用途广泛但具有挑战性。针对现有修复方法对高分辨率图像可能会产生伪影、扭曲结构和模糊纹理的问题,提出一种融合监督注意力模块(SAM)和跨阶段特征融合(CSFF)的图像修复改进网络(Gconv_CS)。在Gconv的两... 非规则缺失区域的图像修复技术用途广泛但具有挑战性。针对现有修复方法对高分辨率图像可能会产生伪影、扭曲结构和模糊纹理的问题,提出一种融合监督注意力模块(SAM)和跨阶段特征融合(CSFF)的图像修复改进网络(Gconv_CS)。在Gconv的两阶段网络模型上,引入了SAM与CSFF模块。SAM通过提供真实图像监督信号,监督上阶段输出特征,确保传入下阶段特征信息的有效性。CSFF将上阶段编码器-解码器的特征融合后送入下阶段的编码器,以弥补上阶段修复中特征信息的损失。实验结果表明,在缺失区域占比为1%~10%时,相较于基线模型Gconv,Gconv_CS在CelebA-HQ数据集上峰值信噪比(PSNR)和结构相似性指数(SSIM)分别提高了1.5%和0.5%,Fréchet起始距离(FID)和L1损失分别降低了21.8%、14.8%;在Place2数据集上,前2个指标分别提高了26.7%和0.8%,后2个指标分别降低了7.9%、37.9%。将Gconv_CS用于去除大熊猫面部遮挡物时,取得了较好的修复视觉效果。 展开更多
关键词 图像修复 两阶段网络 跨阶段特征融合 监督注意力模块 门控卷积
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部