变形不变神经网络及其在扭曲图像恢复和分析中的应用
原文中文,约400字,阅读约需1分钟。发表于: 。提出了一种应对图像在几何失真时的成像任务的框架 —— 变形不变神经网络(DINN),该框架利用拟保角变换器网络(QCTN)将几何失真的图像转换为更接近自然或良好图像分布的改进版本,并在图像分类和图像恢复中取得了较好的性能。
本文介绍了一种名为CINFormer的UNet结构,用于表面缺陷分割。该结构采用多阶段CNN特征注入的Transformer网络,通过简单而有效的特征整合机制实现准确的缺陷检测。引入Top-K自注意力模块,可以进一步减少冗余背景的影响。实验证明,CINFormer在表面缺陷数据集上达到了最先进的性能。