Project Icon

FocalNet

突破注意力机制的新型视觉模型架构

FocalNet是一种创新的视觉模型架构,无需使用注意力机制。其核心的焦点调制技术在多项视觉任务中超越了现有的自注意力方法。该模型在ImageNet分类和COCO检测等基准测试中表现优异,同时保持了高效简洁的实现。FocalNet具有平移不变性、强输入依赖性等特点,为计算机视觉领域提供了一种全新的建模思路。

TopoNet - 自动驾驶场景拓扑推理的图神经网络方法
GithubOpenLane-V2TopoNet图神经网络场景拓扑推理开源项目自动驾驶
TopoNet是一个端到端框架,用于推理自动驾驶场景中车道中心线和交通元素间的连接关系。该框架采用图神经网络和知识图结构,整合异构特征并加强特征交互。TopoNet在OpenLane-V2数据集上展现了领先性能,为自动驾驶场景拓扑推理树立新标准。项目提供开源代码和预训练模型,促进自动驾驶研究发展。
x-unet - 集成高效注意力机制的先进U-Net框架
GithubU-Net图像分割开源项目深度学习神经网络计算机视觉
x-unet是一个基于U-Net架构的开源项目,融合了高效注意力机制和最新研究成果。支持2D和3D图像处理,提供嵌套U-Net深度和上采样特征图合并等灵活配置。适用于生物医学图像分割和显著对象检测等任务,是一个功能强大的深度学习工具。
tf_efficientnet_l2.ns_jft_in1k - EfficientNet架构的大规模图像识别与特征提取模型
EfficientNetGithubHuggingfaceImageNet图像分类开源项目模型深度学习神经网络
基于EfficientNet架构开发的图像分类模型,采用Noisy Student半监督学习方法,结合ImageNet-1k和JFT-300m数据集进行训练。模型支持800x800分辨率输入,包含4.8亿参数,可用于图像分类、特征提取和嵌入向量生成。借助timm库实现模型的快速部署,适用于各类图像识别任务。
detr - Transformer架构重塑目标检测流程
DETRGithubTransformer开源项目深度学习目标检测计算机视觉
DETR项目运用Transformer架构创新性地改进了目标检测方法。该方法将传统的复杂流程转化为直接的集合预测问题,在COCO数据集上达到42 AP的性能表现,同时计算资源消耗减半。DETR结合全局损失函数与编码器-解码器结构,实现了图像的高效并行处理,大幅提升了目标检测的速度和准确性。项目开源了简洁的实现代码和预训练模型,便于研究人员进行深入探索和实际应用。
detr-resnet-50-panoptic - DETR模型:结合ResNet-50的端到端目标检测与全景分割
DETRGithubHuggingfaceTransformer开源项目模型目标检测计算机视觉语义分割
DETR-ResNet-50是一种创新的目标检测模型,融合了Transformer和卷积神经网络技术。该模型在COCO数据集上训练,支持端到端的目标检测和全景分割。通过100个对象查询机制,DETR实现了高效准确的目标识别。在COCO 2017验证集上,模型展现出优秀性能:框AP为38.8,分割AP为31.1,全景质量(PQ)达43.4。这一模型为计算机视觉任务提供了新的解决方案。
GroupMixFormer - 视觉Transformer的群组混合注意力革新
GithubGroupMixFormer图像分类开源项目自注意力机制视觉Transformer计算机视觉
GroupMixFormer是一种创新的视觉Transformer模型,引入群组混合注意力(GMA)机制来增强传统自注意力。GMA可同时捕捉不同尺度的token和群组相关性,显著提升模型表征能力。在多项计算机视觉任务中,GroupMixFormer以较少参数实现了领先性能。其中GroupMixFormer-L在ImageNet-1K分类上达到86.2% Top-1准确率,GroupMixFormer-B在ADE20K分割上获得51.2% mIoU,展现出强大潜力。
tf_efficientnet_b5.ns_jft_in1k - 精准描述EfficientNet的图像分类与特征提取能力
EfficientNetGithubHuggingfaceImageNetNoisy Studenttimm图像分类开源项目模型
模型tf_efficientnet_b5.ns_jft_in1k,根植于EfficientNet,经过Noisy Student半监督学习技术在Tensorflow上训练后移植至PyTorch,专用于ImageNet-1k和JFT-300m未标记数据集的图像分类,具有优越的准确性和效能。其结构简洁,具备卓越的特征提取和图像嵌入能力,在多种计算机视觉任务中广泛应用。
cross-image-attention - 跨图像注意力机制实现零样本外观迁移
Cross-Image AttentionGithub图像生成开源项目自注意力机制语义对应零样本外观迁移
该项目开发了一种跨图像注意力机制,实现了零样本外观迁移。这种方法利用生成模型的语义理解,在保持目标结构的同时,将外观应用到不同形状的对象上。该技术适用于多种对象类别,对形状、大小和视角变化具有适应性。项目提供了代码实现、使用指南和演示,便于研究人员探索和应用。
multispectral-object-detection - 多光谱图像融合的高效目标检测方法
GithubTransformerYOLOv5多光谱目标检测开源项目计算机视觉跨模态融合
该项目提出了Cross-Modality Fusion Transformer (CFT)多光谱目标检测方法,利用Transformer架构融合RGB和热红外图像信息。CFT在FLIR、LLVIP等数据集上取得了优秀的检测结果,尤其在夜间场景表现突出。这为多光谱目标检测提供了一种新的解决方案。
Awesome-Transformer-Attention - 视觉变换器与注意力机制的最新研究进展
GithubTransformerVision Transformer多模态学习开源项目注意力机制深度学习
探索视觉变换器和注意力机制的最新发展,包括由Min-Hung Chen持续更新的论文、代码与链接资源。适合学术与实际应用,发现创新思路。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号