FSANet: Frequency-Spatial Aware Network for Image Segmentation
针对图像分割中的遮挡、光照不良等问题,提出FSANet网络,通过结构先验模块、双域感知模块和边缘估计模块提升分割精度,并引入SceneX数据集以增强模型鲁棒性。
0 citationsRead paper
针对图像分割中的遮挡、光照不良等问题,提出FSANet网络,通过结构先验模块、双域感知模块和边缘估计模块提升分割精度,并引入SceneX数据集以增强模型鲁棒性。
研究通过设计与特定牙科事件相协调的虚拟现实系统,以减轻患者在牙科治疗过程中的焦虑。
本文提出StainPresetNet,通过预设参考图像引导像素级归一化,解决染色变异问题,提高诊断性能并减少计算开销。
为解决自闭症谱系障碍检测中眼动追踪数据的长时依赖和结构信息建模不足问题,提出AOI-Net模型联合学习短时动态与兴趣区域级结构组织。
本文提出TRACE框架,通过利用结构化放射学报告作为概念监督来解决乳腺超声诊断中深度学习方法的可解释性和鲁棒性问题。
针对图像分割中的遮挡、光照不良等问题,提出FSANet网络,通过结构先验模块、双域感知模块和边缘估计模块提升分割精度,并引入SceneX数据集以增强模型鲁棒性。
研究通过设计与特定牙科事件相协调的虚拟现实系统,以减轻患者在牙科治疗过程中的焦虑。
本文提出StainPresetNet,通过预设参考图像引导像素级归一化,解决染色变异问题,提高诊断性能并减少计算开销。
为解决自闭症谱系障碍检测中眼动追踪数据的长时依赖和结构信息建模不足问题,提出AOI-Net模型联合学习短时动态与兴趣区域级结构组织。
本文提出TRACE框架,通过利用结构化放射学报告作为概念监督来解决乳腺超声诊断中深度学习方法的可解释性和鲁棒性问题。