未来先知

腾讯云

开发者社区

文档建议反馈控制台

首页TVP

LV0

发表了文章 21小时前2024-11-04 13:48:40

西交大 & 上海 AI Lab 提出 HRVMAMBA 用于高分辨率视觉状态空间模型,助力图像分类、人体姿态估计和语义分割等！

卷积神经网络（CNNs）和视觉 Transformer （ViTs）在图像分类、人体姿态估计和语义分割等任务上取得了显著进展。尽管CNN在局部特征提取方面表现出...

未来先知 21小时前2024-11-04 13:48:40

数据、性能、架构、模型、设计

发表了文章 21小时前2024-11-04 13:48:35

基于选择性 Transformer 的高光谱图像分类！

随着超光谱成像技术的不断进步，超光谱图像（HSIs）现在提供了越来越丰富的空间-光谱信息，使得地球观测变得精确。利用其独特的光谱特性，HSIs能够执行各种任务，...

未来先知 21小时前2024-11-04 13:48:35

模型、数据、网络、性能、优化

发表了文章 3天前2024-11-01 17:23:12

华中科技 & 北航 & 清华 & 上海 AI Lab 提出 BIG.LITTLE Transformer ，用于高效视觉识别！

视觉 Transformer （ViT）自引入以来，已在计算机视觉领域产生了越来越大的影响。它在诸如图像分类（Deng等人，2009年）、图像分割和目标检测等基...

未来先知 3天前2024-11-01 17:23:12

效率、性能、架构、模型、设计

发表了文章 4天前2024-10-31 17:36:00

STA-Unet 医学影像分割语义冗余的再思考

利用深度学习技术的进步，计算机视觉技术已成为医学图像分析的重要组成部分。在这些技术中，图像分割具有重大意义。具体而言，精确可靠的医学图像分割是计算机辅助诊断和影...

未来先知 4天前2024-10-31 17:36:00

架构、模型、设计、数据、性能

发表了文章 5天前2024-10-30 16:18:26

复旦 & 港科技 & 港中文 &腾讯联合提出 OSV | 实现高质量图像到视频生成只需一步！

视频合成提供了丰富的视觉效果和创意表达，对于电影、电视、广告和游戏具有重要作用。扩散模型在视频合成中发挥着越来越重要的作用。扩散模型通常涉及一个前向过程和一个反...

未来先知 5天前2024-10-30 16:18:26

科技、模型、视频、腾讯、性能

发表了文章 6天前2024-10-29 20:48:41

YOLO-ELA 高效的局部注意建模，用于高性能实时缺陷检测 !

确保输电线路基础设施的可靠运行对保证稳定供电，满足个人和企业能源需求至关重要。因此，对输电塔组件（如绝缘子）的缺陷进行检查和维护对于确保电网系统安全运行至关重要...

未来先知 6天前2024-10-29 20:48:41

数据、性能、yolo、高性能、模型

发表了文章 6天前2024-10-29 20:48:20

基础模型还是微调? 河流污染少镜头语义分割的评价

近年来，基础模型（FMs）已成为人工智能（AI）研究的热点领域。它们以能够轻易地泛化到新领域和任务的能力而著称，为研究和产业都带来了令人激动的机会。但是，从产业...

未来先知 6天前2024-10-29 20:48:20

性能、测试、基础、模型、数据

发表了文章 6天前2024-10-29 20:47:49

SambaMOTR: 用于复杂场景下多目标跟踪的自回归线性时间序列模型！

多个目标跟踪（MOT）涉及在视频流中检测多个目标，同时跟踪单个实例的变化。这对诸如体育分析、自主导航和媒体制作等许多下游任务至关重要（Luo等人，2021年）。...

未来先知 6天前2024-10-29 20:47:49

函数、模型、数据、同步、性能

发表了文章 10天前2024-10-25 15:11:07

Video-LLava与YOLOv8联手，实现更精准的检测！

智能交通系统（ITS）在智能城市范式中得到了显著的普及。ITS的关键组件之一是交通目标检测，这项技术利用计算机视觉和图像处理来识别数字图像中的特定物体。

未来先知 10天前2024-10-25 15:11:07

模型、视频、数据、性能、video

发表了文章 12天前2024-10-23 16:56:15

不同驾驶视角的人类洞察驱动潜能空间:高效多任务推理的统一编码！

自动驾驶技术的发展需要对多任务进行全面的了解、可靠的实时决策和强大的控制。传统方法依赖模块化架构，将感知、决策和控制划分为不同的子任务，每个子任务都需要特定的专...

未来先知 12天前2024-10-23 16:56:15

模型、数据、性能、深度学习、编码

发表了文章 13天前2024-10-22 16:03:01

综合 CNN 和 Transformer， Microscopic-Mamba 仅用 4M 参数揭示微观图像的秘密！

显微镜成像技术在医学领域中至关重要，已成为现代医学研究和临床诊断的不可或缺的工具[1]。通过对显微镜图像进行分类，医学研究行人可以在组织、细胞和分子水平观察结构...

未来先知 13天前2024-10-22 16:03:02

数据、网络、函数、架构、模型

发表了文章 15天前2024-10-21 11:11:34

LV-UNet 轻量级的图像分割模型！

医学图像分割，旨在准确界定解剖结构或异常，在疾病诊断和治疗计划中至关重要。与传统方法（如依赖于手工或半自动方法）相比，计算机辅助技术可以更高效。随着深度学习的发...

未来先知 15天前2024-10-21 11:11:35

模型、设计、数据、图像分割、函数

发表了文章 15天前2024-10-21 11:11:29

Squeeze-and-Remember 模块，革新卷积神经网络的特征检测能力！

卷积神经网络（CNNs）在机器学习领域尤其是图像处理方面实现了革命性的变革。它们的功能核心在于卷积层，这些层从图像中提取出一系列特征，以及全连接层（FC），这些...

未来先知 15天前2024-10-21 11:11:29

网络、性能、卷积神经网络、模型、数据

发表了文章 15天前2024-10-21 11:11:24

卷积与Transformer的智能融合，在多种硬件平台上实现高性能的视觉任务处理！

近年来，有效视觉 Backbone 网络研究主要集中在将注意力机制与卷积层相结合。通过局部信息提取（由卷积实现）和全局推理（由注意力实现）的混合，已经证明比同质...

未来先知 15天前2024-10-21 11:11:25

硬件、高性能、模型、设计、效率

发表了文章 20天前2024-10-15 12:49:47

FA-YOLO:高效轻量级检测模型，94.6%参数减少，88倍速度提升!

作为一种突发性和极其破坏性的灾害[1,2,3]，火长期以来对人类社会和自然环境构成了严重威胁。随着城市化和工业化的加速，建筑结构的复杂性以及人口的密集度逐渐增加...

未来先知 20天前2024-10-15 12:49:48

yolo、模型、效率、性能、优化

发表了文章 21天前2024-10-14 16:06:28

FS-MedSAM2 探索 SAM2 在少样本图像分割中的潜力，无需微调！

段 anything 模型2（SAM2） [13] 在自然图像和视频中展示了令人印象深刻的零样本提示分割能力。使用一个简单的点或矩形作为提示，SAM2可以准确地...

未来先知 21天前2024-10-14 16:06:28

模型、数据、性能、图像分割、fs

发表了文章 23天前2024-10-12 21:05:52

SymFace 额外的面部对称性损失，用于深度面部识别！

左右半脸的对称性是一个自然现象。两面脸的绝对对称并不常见，但同时拥有高度不对称脸的人也不多。脸部对称程度因人而异；有些人可能拥有高度对称的脸，而有些人则不然。面...

未来先知 23天前2024-10-12 21:05:53

网络、性能、函数、模型、数据

发表了文章 24天前2024-10-11 19:31:58

北航 & 百度通过对检测变换器的查询选择进行 Knowledge 蒸馏！

知识蒸馏（KD）Hinton等人；Chen等人（2017）；Song等人（2024）是一种有效的模型压缩策略，可以实现从复杂的教师模型到轻量级的学生模型的知识迁...

未来先知 24天前2024-10-11 19:31:58

效率、性能、百度、编码、模型

发表了文章 25天前2024-10-10 19:10:56

CNN 深度混合，融合静态剪枝与动态计算的高效神经网络优化技术！

近年来，卷积神经网络（CNNs）在多种计算机视觉应用中取得了显著的进步，如图像识别[11, 34]，目标检测[28, 29]，和图像分割[23, 43]。尽管它...

未来先知 25天前2024-10-10 19:10:57

神经网络、模型、效率、性能、优化

发表了文章 25天前2024-10-10 19:09:53

联邦检测 Transformer 在实际环境中的性能展示！

心力衰竭的主要原因是冠脉狭窄，当血 vessels变窄时，它会阻止正常的心脏泵血。Knuuti 和 Revenco (2020) 以及Neumann等（2018...

未来先知 25天前2024-10-10 19:09:53

服务器、模型、视频、数据、性能

12 3 4 5 下一页

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2024-08-07

个人成就

获得 82 次赞同
文章被阅读 13.5K 次

关注了：1关注者：14

未来先知

西交大 & 上海 AI Lab 提出 HRVMAMBA 用于高分辨率视觉状态空间模型,助力图像分类、人体姿态估计和语义分割等！

基于选择性 Transformer 的高光谱图像分类！

华中科技 & 北航 & 清华 & 上海 AI Lab 提出 BIG.LITTLE Transformer ，用于高效视觉识别！

STA-Unet 医学影像分割语义冗余的再思考

复旦 & 港科技 & 港中文 &腾讯联合提出 OSV | 实现高质量图像到视频生成只需一步！

YOLO-ELA 高效的局部注意建模，用于高性能实时缺陷检测 !

基础模型还是微调? 河流污染少镜头语义分割的评价

SambaMOTR: 用于复杂场景下多目标跟踪的自回归线性时间序列模型！

Video-LLava与YOLOv8联手，实现更精准的检测！

不同驾驶视角的人类洞察驱动潜能空间:高效多任务推理的统一编码！

综合 CNN 和 Transformer， Microscopic-Mamba 仅用 4M 参数揭示微观图像的秘密！

LV-UNet 轻量级的图像分割模型！

Squeeze-and-Remember 模块，革新卷积神经网络的特征检测能力！

卷积与Transformer的智能融合，在多种硬件平台上实现高性能的视觉任务处理！

FA-YOLO:高效轻量级检测模型，94.6%参数减少，88倍速度提升!

FS-MedSAM2 探索 SAM2 在少样本图像分割中的潜力，无需微调！

SymFace 额外的面部对称性损失，用于深度面部识别！

北航 & 百度通过对检测变换器的查询选择进行 Knowledge 蒸馏！

CNN 深度混合，融合静态剪枝与动态计算的高效神经网络优化技术！

联邦检测 Transformer 在实际环境中的性能展示！

个人简介

个人成就

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

未来先知

西交大 & 上海 AI Lab 提出 HRVMAMBA 用于高分辨率视觉状态空间模型,助力图像分类、人体姿态估计和语义分割等！

基于选择性 Transformer 的高光谱图像分类 ！

华中科技 & 北航 & 清华 & 上海 AI Lab 提出 BIG.LITTLE Transformer ，用于高效视觉识别 ！

STA-Unet 医学影像分割语义冗余的再思考

复旦 & 港科技 & 港中文 &腾讯联合提出 OSV | 实现高质量图像到视频生成只需一步 ！

YOLO-ELA 高效的局部注意建模，用于高性能实时缺陷检测 !

基础模型还是微调? 河流污染少镜头语义分割的评价

SambaMOTR: 用于复杂场景下多目标跟踪的自回归线性时间序列模型 ！

Video-LLava与YOLOv8联手，实现更精准的检测 ！

不同驾驶视角的人类洞察驱动潜能空间:高效多任务推理的统一编码 ！

综合 CNN 和 Transformer， Microscopic-Mamba 仅用 4M 参数揭示微观图像的秘密 ！

LV-UNet 轻量级的图像分割模型！

Squeeze-and-Remember 模块，革新卷积神经网络的特征检测能力 ！

卷积与Transformer的智能融合，在多种硬件平台上实现高性能的视觉任务处理 ！

FA-YOLO:高效轻量级检测模型，94.6%参数减少，88倍速度提升!

FS-MedSAM2 探索 SAM2 在少样本图像分割中的潜力，无需微调 ！

SymFace 额外的面部对称性损失，用于深度面部识别 ！

北航 & 百度通过对检测变换器的查询选择进行 Knowledge 蒸馏 ！

CNN 深度混合，融合静态剪枝与动态计算的高效神经网络优化技术 ！

联邦检测 Transformer 在实际环境中的性能展示 ！

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

基于选择性 Transformer 的高光谱图像分类！

华中科技 & 北航 & 清华 & 上海 AI Lab 提出 BIG.LITTLE Transformer ，用于高效视觉识别！

复旦 & 港科技 & 港中文 &腾讯联合提出 OSV | 实现高质量图像到视频生成只需一步！

SambaMOTR: 用于复杂场景下多目标跟踪的自回归线性时间序列模型！

Video-LLava与YOLOv8联手，实现更精准的检测！

不同驾驶视角的人类洞察驱动潜能空间:高效多任务推理的统一编码！

综合 CNN 和 Transformer， Microscopic-Mamba 仅用 4M 参数揭示微观图像的秘密！

Squeeze-and-Remember 模块，革新卷积神经网络的特征检测能力！

卷积与Transformer的智能融合，在多种硬件平台上实现高性能的视觉任务处理！

FS-MedSAM2 探索 SAM2 在少样本图像分割中的潜力，无需微调！

SymFace 额外的面部对称性损失，用于深度面部识别！

北航 & 百度通过对检测变换器的查询选择进行 Knowledge 蒸馏！

CNN 深度混合，融合静态剪枝与动态计算的高效神经网络优化技术！

联邦检测 Transformer 在实际环境中的性能展示！