摘要: 摘要 在标准的医院血液检测中,传统过程需要医生使用显微镜从患者的血液显微图像中手动分离白细胞。然后,这些分离出的白细胞通过自动白细胞分类器进行分类,以确定血液样本中不同类型白细胞的比例和数量,从而辅助疾病诊断。这种方法不仅耗时费力,而且由于图像质量和环境条件等因素,容易出现错误,从而可能导致后续分类 阅读全文
posted @ 2024-06-22 10:12 YOLOv8大师 阅读(91) 评论(0) 推荐(0) 编辑
摘要: 摘要 许多现代目标检测器通过采用二次观察和思考机制展示了卓越的性能。在本文中,我们在目标检测的主干设计中探索了这一机制。在宏观层面上,我们提出了递归特征金字塔(Recursive Feature Pyramid),该金字塔将特征金字塔网络(Feature Pyramid Networks)的额外反馈 阅读全文
posted @ 2024-06-22 09:20 YOLOv8大师 阅读(48) 评论(0) 推荐(0) 编辑
摘要: 摘要 在现代卷积神经网络(CNN)中,每个卷积层中学习单个静态卷积核是常见的训练范式。然而,最近在动态卷积的研究中表明,通过学习 n 个卷积核的线性组合,并且这些卷积核的权重取决于它们的输入相关注意力,可以显著提高轻量级 CNN 的准确性,同时保持高效的推理。但是,我们观察到,现有的工作通过一个维度 阅读全文
posted @ 2024-06-22 09:19 YOLOv8大师 阅读(62) 评论(0) 推荐(0) 编辑
摘要: 摘要 作为视觉Transformers的核心构建模块,注意力机制是一种强大的工具,用于捕捉长程依赖关系。然而,这种强大功能也带来了代价:计算代价巨大且内存占用高,因为需要计算所有空间位置上成对的token交互。为缓解这一问题,一系列研究尝试通过引入手工设计且内容无关的稀疏性来改进注意力机制,例如将注 阅读全文
posted @ 2024-06-22 09:18 YOLOv8大师 阅读(98) 评论(0) 推荐(0) 编辑
摘要: 摘要 摘要——高光谱图像(HSI)去噪对于高光谱数据的有效分析和解释至关重要。然而,同时建模全局和局部特征以增强HSI去噪的研究却很少。在本文中,我们提出了一种混合卷积和注意力网络(HCANet),该网络结合了卷积神经网络(CNN)和Transformers的优势。为了增强全局和局部特征的建模,我们 阅读全文
posted @ 2024-06-22 09:18 YOLOv8大师 阅读(53) 评论(0) 推荐(0) 编辑
摘要: 摘要 本项目介绍了一种轻量级的 Mixed Local Channel Attention (MLCA) 模块,该模块同时考虑通道信息和空间信息,并结合局部信息和全局信息以提高网络的表达效果。基于该模块,我们提出了 MobileNet-Attention-YOLO(MAY) 算法,用于比较各种注意力 阅读全文
posted @ 2024-06-22 09:17 YOLOv8大师 阅读(44) 评论(0) 推荐(0) 编辑
摘要: **HCANet: 高光谱图像去噪新方法** HCANet是一种结合CNN与Transformer的深度学习模型,专为高光谱图像设计。它使用卷积注意力融合模块(CAFM)捕捉局部和全局特征,并通过多尺度前馈网络(MSFN)增强多尺度信息聚合,提升去噪效果。CAFM包含卷积和注意力分支,整合局部细节与长距离依赖。代码已开源:[GitHub](https://github.com/summitgao/HCANet)。 阅读全文
posted @ 2024-06-20 21:36 YOLOv8大师 阅读(500) 评论(0) 推荐(0) 编辑
摘要: **摘要:** 本文提出轻量级MLCA模块,结合通道、空间、局部及全局信息,提升网络表达效率。在MobileNet-Attention-YOLO(MAY)中应用MLCA,于PASCAL VOC和SMID数据集上对比SE和CA,mAP提升1.0%和1.5%。论文及代码链接提供。MLCA通过局部池化和反池化处理,增强通道交互和空间信息,实现更精确的目标检测。详情见YOLO改进与实战专栏。 阅读全文
posted @ 2024-06-20 21:32 YOLOv8大师 阅读(22) 评论(0) 推荐(0) 编辑
摘要: 摘要 视觉Transformer在许多视觉任务上展示了卓越的性能。然而,它在浅层捕获局部特征时可能会面临高度冗余的问题。因此,使用了局部自注意力或早期阶段的卷积来减少这种冗余,但这牺牲了捕获长距离依赖的能力。一个挑战随之而来:在神经网络的早期阶段,我们是否能高效且有效地进行全局上下文建模?为解决这一 阅读全文
posted @ 2024-06-20 21:29 YOLOv8大师 阅读(13) 评论(0) 推荐(0) 编辑
摘要: YOLO目标检测创新改进与实战案例专栏 专栏目录: YOLO有效改进系列及项目实战目录 包含卷积,主干 注意力,检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLO基础解析+创新改进+实战案例 摘要 通道或空间注意力机制在许多计算机视觉任务中表现出显著的效果,可以生成更清晰的特 阅读全文
posted @ 2024-06-10 22:03 YOLOv8大师 阅读(307) 评论(0) 推荐(0) 编辑