随着科技的发展,天文数据也向大数据时代迈进,需要处理的恒星光谱数量越来越多,如何对其进行自动而精准地分类成为了天文学家要解决的难题之一.当前恒星光谱自动分类问题的解决方法相对较少,为此本文使用了一种基于卷积神经网络的方法对恒星光谱MK系统进行分类.该网络由数据输入层,四个卷积层,四个池化层,全连接层,输出层...
嵌入双尺度分离式卷积块注意力模块的口罩人脸姿态分类 (depthwise,DW)卷积和点(pointwise,PW)卷积中,针对性地对DW卷积及PW卷积的特征图进行调整.同时对SAM模块补充1×1的点卷积挤压结果增强其对空间信息的利用,形成... 陈森楸,刘文波,张弓 - 《中国图象图形学报》 被引量: 0发表: 2022年 基于残差网络和深度可...
所提出的残差模块具有一个两个分支的结构,该结构的每个分支堆叠了不同数量的卷积层,因此能够在一个残差模块中提取具有不同感受野的多尺度语义信息.该残差模块可以更好的利用图像的上下文信息来重建出质量更好的超分辨率图像.(2)为了进一步提高超分辨率重建网络的表征能力,基于以上提出的增强型的多尺度残差模块,提出了...
深度神经网络存在目标检测速度慢,参数量大的问题,不适用于算力有限但速度要求较高的移动应用场景.为了提高目标检测的推理速度,有效权衡目标检测任务的精度与速度,文中提出了一种融合多尺度空洞卷积与反卷积的轻量化目标检测网络MDDNet.首先,基于高效的单阶段多目标...
4. 与频域分析的关联:卷积在时域中的运算与在频域中的乘法相对应。通过傅里叶变换,将时域的卷积运算转换为频域的乘法运算,可以更方便地分析和设计系统。 5. 处理连续和离散信号:卷积的概念不仅适用于连续时间信号,也适用于离散时间信号,具有广泛的适用性。