本研究针对医学图像分割中网络参数量大、计算成本高且精度不足的问题，提出了一种基于Swin Transformer的Swin-AttnSeg架构。该模型通过动态特征融合块(DFFB)提取多尺度特征，利用动态注意力增强块(DAEB)结合通道与空间注意力机制聚焦关键区域，并在解码器采用深度 ...

在现有的基于Transformer的模型中，所有标记均采用固定尺度，这一特性并不适用于视觉应用场景。 另一差异在于图像像素的分辨率远高于文本段落中的词汇密度。诸如语义分割等众多视觉任务需要在像素级别进行密集预测，而这对高分辨率图像上的Transformer模型 ...

听众 Coco 想知道单词 “try、attempt” 和 “endeavour” 之间的区别。它们在作动词时，都可以表示 “尝试、试图” 做一件事情。在日常交流中，动词 “try” 的使用频率最高，但在表达 “努力，奋力” 做某事的意思时，“endeavour” 却最正式。在表达 “试图” 做 ...

本研究针对肺癌骨转移早期预测的临床难题，创新性开发了整合CT与病理影像的Swin-Dual Fusion深度学习模型。通过双通道Swin Transformer架构提取多模态特征并决策级融合，在215例患者队列中实现AUC 0.966的优异性能，显著优于传统ResNet50等模型。该研究为临床提供高 ...

代码基于U版YOLOv5 6.1版本. 根据 {backbone, neck, head} 重新组织了网络结构, 目前backbone 除了原始的YOLO外，还可选择 resnet, hrnet, swin-transformer, gnn, mobilenet 等主流backbone. 同时也可以自由的加入 SE, DCN, drop block 等插件. 可以很方便的对网络结构等进行替换、修改 ...

全息成像是一个跨学科的领域，结合了光学、计算机科学和应用数学。虽然使用计算机生成全息图像的概念可以追溯到20世纪60年代，但直到20世纪90年随着计算机技术和数字图像处理的进步，数字全息技术开始获得更多的关注，计算全息才开始发展成为一种可行 ...

本项目是基于Swin-Transformer骨干网络实现的一款中文公式混合识别OCR算法，是小组参考YongWookHa的实现，并根据具体任务需求理解做出改进后实现的。 本项目得益于timmand x_transformers等开源框架， 可以使我们的工作聚焦于OCR业务本身。 本项目的Demo是中文和公式的 ...

Swin Transformer（Liu et al。，2021）是一个基于Transformer的深度学习模型，在视觉任务中取得了最先进的性能。与VIT不同Swin Transformer更加高效并且有更高的精度。由于Swin Transformer的一些特性，现在许多视觉的模型体系结构中，Swin Transformers还是被用作模型的骨干。

本文中，来自清华大学、AWS AI 和北京智源人工智能研究院的研究者提出了一种新型可变形自注意力模块，其中以数据相关的方式选择自注意力中键值对的位置，使得自注意力模块能够专注于相关区域，并捕获更多信息特征。 Transformer 近来在各种视觉任务上表现 ...

视频字幕的标准方法是定义一个字幕生成模型，以从大量提取的密集视频特征中学习。这些特征提取器通常对以固定帧率采样 ...

近日，计算机视觉领域三大顶会之一 ICCV 2021 已经圆满落幕。大会原定于加拿大蒙特利尔举办，因疫情原因改为线上举行，依旧热度不减。 据统计，今年的 ICCCV 共接收了 6236 篇有效论文投稿，其中接收 1617 篇被接收，接收率约为 25.9%。 在不久之前公布的论文 ...