当前位置:首页 > 今日动态 > 神经科学
  • Top-KD:经过缩放处理的对比式知识蒸馏

    Top-KD通过Top-K Scaling Module放大教师模型高置信度logits,结合对比式目标保留类间关系,并利用Decoupled Loss分区域优化,显著提升轻量模型性能。

    来源:Neurocomputing

    时间:2026-04-12

  • FA-DETR:一种基于特征增强和自适应融合的端到端检测器,用于小目标检测

    小目标检测(SOD)在无人机应用中面临特征退化、定位不准和多尺度表示不足的问题,传统YOLO和Transformer基线方法均存在局限。本文提出FA-DETR框架,通过多尺度边缘增强(MEE)、注意力机制与可学习位置编码(ALPE)和多域特征合成(MDFS)三模块协同优化,有效提升小目标检测精度与定位准确性,实验表明在VisDrone和UAVVaste数据集上AP提升5.5%和6.6%。

    来源:Neurocomputing

    时间:2026-04-12

  • 通过具有大气效应感知功能的KV缓存(KV Cache)的DehazeFormer算法实现UHD图像的去雾处理

    现有UHD图像去雾方法难以平衡高质量修复与计算效率。本文提出anDehazeFormer,通过物理引导的自适应归一化机制稳定训练并加速推理,结合大气散射感知的KV缓存动态优化内存使用,在8KDehaze数据集上PSNR提升1.54 dB,且4K实时处理速度达53 FPS。

    来源:Neurocomputing

    时间:2026-04-12

  • 一种融合增强型红外-可见光目标检测网络,具备对目标差异的敏感度

    红外可见光融合检测网络IVFDNet通过多尺度架构优化和TRS损失函数,提升低光照、遮挡场景下小目标检测性能,实验显示在多个数据集上检测指标提升10.51%,IoU提高9.59%,并保持高效推理能力。

    来源:Neurocomputing

    时间:2026-04-12

  • 一种通过重建、分割和空间关系建模来统一处理图像异常检测的框架

    工业图像异常检测框架:融合重建与分割方法检测结构、组件数量及空间关系异常。提出三分类体系,结合空间关系记忆、分割直方图记忆和重建模块,在MVTec LOCO AD数据集上验证效果优于现有方法,提升逻辑异常检测能力与可解释性。

    来源:Neurocomputing

    时间:2026-04-12

  • 模式:用于提示调优的多模态判别性先验

    多模态判别性先验框架MoDe通过多模态知识注入、视觉感知增强和知识引导优化模块,有效提升视觉语言模型在有限数据下的判别能力和泛化性能,实验验证优于现有方法。

    来源:Neurocomputing

    时间:2026-04-12

  • 基于自我监督和显著性引导的双注意力融合技术在超声检查中对良性与恶性甲状腺结节的诊断应用

    甲状腺结节超声图像良恶性分类面临低对比度、噪声干扰和跨中心差异挑战,本文提出自监督前景引导双注意力融合框架,通过自监督学习生成前景图并设计轻量级双注意力模块,结合通道注意力和空间注意力机制提升特征融合效果,在三个多中心数据集上验证其优于现有方法且跨中心泛化性能显著提升。

    来源:Neurocomputing

    时间:2026-04-12

  • 关注时间特征的变化:提高多目标跟踪中重新识别任务的适应性

    多目标跟踪中动态特征建模面临噪声敏感和长期一致性冲突,本文提出TFLF框架,通过TCDS构建时序一致训练数据,TMA聚合历史特征抑制噪声,SFP预测延迟轨迹缓解漂移,在DanceTrack和SportsMOT上显著提升HOTA和IDF1性能。

    来源:Neurocomputing

    时间:2026-04-12

  • 基于语言引导的跨模态协作学习在无监督领域适应中的应用

    本文提出一种基于语言引导的跨模态协作学习框架,通过利用大预训练视觉语言模型(VLMs)的文本模态增强语义一致性,结合双向Cross-modal Gating Learning Module(CGLM)和Cross-attention Multi-modal Fusion Module(CMFM)实现跨模态特征交互与领域不变语义学习,在Office-Home、VisDA17和DomainNet三个基准数据集上验证了方法的有效性和泛化能力。

    来源:Neurocomputing

    时间:2026-04-12

  • MMLight:一种轻量级的无监督多模态特征融合方法,用于轨道缺陷检测

    针对铁路轨道缺陷检测中数据稀缺和单模态易受噪声干扰的问题,提出MMLight框架,通过轻量级编解码结构、跨模态特征变换和四分支相似性学习,有效提升检测精度和鲁棒性,实验验证其优越性。

    来源:Neurocomputing

    时间:2026-04-12


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康