|
|
|
| 西北農(nóng)林科技大學(xué)在計算機視覺頂級會議上發(fā)表多項研究成果 |
| http://wyaoyuming07.cn 2024年10月23日 來源：西北農(nóng)林科技大學(xué) |
|
進日，全球計算機視覺領(lǐng)域頂級學(xué)術(shù)會議——European Conference on Computer Vision （ECCV 2024）在意大利米蘭落幕。西北農(nóng)林科技大學(xué)信息工程學(xué)院智能媒體處理課題組兩篇研究論文在大會發(fā)表。
寧紀(jì)鋒教授課題組的輕量化目標(biāo)跟蹤研究“Exploring the Feature Extraction and Relation Modeling For Light-Weight Transformer Tracking”在會上發(fā)表。該研究聚焦輕量級Transformer模型在目標(biāo)跟蹤任務(wù)中的特征提取與關(guān)系建模問題。提出了一種新的輕量化目標(biāo)跟蹤模型——FERMT（Feature Extraction and Relation Modeling Tracker），通過將傳統(tǒng)的注意力機制分解為四個獨立子模塊，顯著提升了視覺跟蹤的速度和精度。該模型引入了雙重注意力單元（Dual Attention Unit），增強了特征表示能力。實驗結(jié)果表明，F(xiàn)ERMT在GOT-10k數(shù)據(jù)集上取得了69.6%的平均重疊率（AO），相比當(dāng)前領(lǐng)先的實時跟蹤器在準(zhǔn)確率上提升了5.6%，同時在CPU上的跟蹤速度提升了54%。
FERMT跟蹤模型框架圖
唐晶磊副教授課題組的模型壓縮研究“Straightforward Layer-wise Pruning for More Efficient Visual Adaptation”在會上發(fā)表。該研究專注于模型壓縮與高效遷移學(xué)習(xí)的前沿課題，提出了一種全新的層剪枝方法——SLS（Straightforward Layer-wise Pruning），該方法通過創(chuàng)新的特征評估機制，并結(jié)合t-SNE聚類技術(shù)，對高效參數(shù)遷移模型進行剪枝，有效解決了跨域任務(wù)中模型性能與效率之間的平衡問題。實驗表明，SLS在保證模型性能的前提下，顯著減少了參數(shù)存儲開銷，提升了模型計算效率，尤其在多任務(wù)場景中表現(xiàn)突出。
SLS方法示意框架圖
ECCV大會作為全球計算機視覺領(lǐng)域的重要平臺，吸引了眾多國際頂尖學(xué)者的參與。西北農(nóng)林科技大學(xué)碩士生韓銳孜和鄭繼凱代表課題組參會，并在會上展示了課題組的最新研究成果。
ECCV是全球計算機視覺領(lǐng)域的三大頂級學(xué)術(shù)會議之一，在全球計算機視覺領(lǐng)域有著很強的學(xué)術(shù)影響力。ECCV大會作為全球計算機視覺領(lǐng)域的重要平臺，吸引了眾多國際頂尖學(xué)者的參與，2024年ECCV論文錄用率僅為18%，創(chuàng)下了新低。西北農(nóng)林科技大學(xué)碩士生韓銳孜和鄭繼凱代表課題組參會，并在會上展示了課題組的最新研究成果，彰顯了西北農(nóng)林科技大學(xué)在國際計算機視覺領(lǐng)域的科研實力與學(xué)術(shù)影響力。
|
 關(guān)于西北農(nóng)林科技大學(xué)更多的相關(guān)文章請點擊查看 |
|
| 特別說明：由于各方面情況的不斷調(diào)整與變化，華禹教育網(wǎng)（wyaoyuming07.cn）所提供的信息為非商業(yè)性的教育和科研之目的，并不意味著贊同其觀點或證實其內(nèi)容的真實性，僅供參考，相關(guān)信息敬請以權(quán)威部門公布的正式信息為準(zhǔn)。 |
|
|
|
| |