BriefGPT - AI 论文速递
·
S3Former：自监督高分辨率 Transformer 用于太阳能光伏建模
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于Transformer框架的半监督方法TreeFormer，利用多尺度特征表示实现对树的数量统计和密度估计，降低了标注成本，并在实验中超越了当前半监督方法的最新水平。
🎯
关键要点
- 提出了一种基于Transformer框架的半监督方法TreeFormer。
- 采用金字塔表示模块、上下文关注的特征融合和树密度回归模块建立多尺度特征表示。
- 通过图像解码器实现对树的数量统计和密度估计，降低树的标注成本。
- 在训练过程中使用未标注的图像和局部树密度的连贯性损失及局部树计数排名损失。
- 使用Tree counter令牌规范网络计算标注和未标注图像的全局树计数。
- 在Jiangsu、Yosemite和KCL-London数据集上进行实验，结果超越当前半监督方法的最新水平。
- 使用相同数量的标注图像超越全监督方法。
🏷️
标签
➡️
