تنزيل RFNext - تنزيل كود مصدر RFNext

RFNext

شفرة المصدر الأخرى

g2l_breakfast_searched_dilation_config

تنزيل

RF-Next: بحث ميداني فعال للشبكات العصبية التلافيفية

طريقة بحث ميدانية تقبلية عامة لـ CNN. إذا كانت شبكتك تحتوي على تحويل مع kernel أكبر من 1، فيمكن لـ RF-Next تحسين النموذج الخاص بك بشكل أكبر. التنفيذ الرسمي:

ورقة TPAMI2022: "RF-Next: البحث الميداني الاستقبالي الفعال للشبكات العصبية التلافيفية"

ورقة CVPR2021: "Global2Local: البحث الهيكلي الفعال عن تجزئة إجراءات الفيديو"

أخبار

2022.12.18 تم إصدار RF-Convnext مع RFConv سهل الاستخدام. يمكنك استبدال Conv بـ RFConv لدعم البحث عن معدل التمدد لأي شبكات.
2022.12.18 تم إصدار كود mmsegmentation.
2022.12.18 RF-ConvNext للتجزئة الدلالية واسعة النطاق على ImageNet-S ImageNetSegModel.
2022.12.1 RF-Next موجود الآن في الريبو الرسمي لـ MMCV، ويمكنك استخدام rf-next في جميع قواعد أكواد MMlab.
2022.6.11 تم إصدار كود mmcv وmmdetection. ويدعم ConvNext، PVT، Res2Net، HRNet.
2022.4.24 يساعد RF-Next على تحقيق المركز الأول (تعليقات الفريق) في عام 2022 لتقليل الضوضاء في صورة MegCup RAW. 2022.2.10 يعمل RF-Next على تحسين نموذج SOTA CNN ConvNeXt في مهام متعددة.
2021.1.1 RF-Next لتجزئة عمل الفيديو.

مقدمة

تلعب مجالات الاستقبال الزمانية/المكانية للنماذج دورًا مهمًا في المهام المتسلسلة/المكانية. تسهل الحقول الاستقبالية الكبيرة العلاقات طويلة الأمد، بينما تساعد الحقول الاستقبالية الصغيرة في التقاط التفاصيل المحلية. تقوم الطرق الحالية ببناء نماذج ذات حقول استقبالية مصممة يدويًا في طبقات. هل يمكننا البحث بشكل فعال عن مجموعات الحقول الاستقبالية لتحل محل الأنماط المصممة يدويًا؟ للإجابة على هذا السؤال، نقترح إيجاد مجموعات حقول تقبلية أفضل من خلال نظام بحث عالمي إلى محلي. يستغل نظام البحث الخاص بنا كلاً من البحث العالمي للعثور على المجموعات الخشنة والبحث المحلي للحصول على مجموعات حقول الاستقبال المكررة بشكل أكبر. يجد البحث العالمي مجموعات خشنة محتملة بخلاف الأنماط التي صممها الإنسان. علاوة على البحث العالمي، نقترح نظام بحث محلي تكراري موجهًا بالتوقعات لتحسين المجموعات بشكل فعال. تعمل نماذج RF-Next الخاصة بنا، التي تربط البحث الميداني المستقبلي بنماذج مختلفة، على تعزيز الأداء في العديد من المهام، على سبيل المثال، تجزئة الإجراء الزمني، واكتشاف الكائنات، وتجزئة المثيلات، وتوليف الكلام.

التطبيقات والرموز

يدعم RF-Next العديد من التطبيقات.

اكتشاف الكائنات وتجزئة المثيلات في MMDet
التجزئة الدلالية في MMSeg
يدعم MMCV RF-Next
طريقة تجزئة العمل G2L
RF-ConvNext للتجزئة الدلالية واسعة النطاق على ImageNet-S
تركيب الكلام

الاقتباس

إذا وجدت أن هذا العمل أو الكود مفيد في بحثك، يرجى الاستشهاد بما يلي:

 @article{gao2022rfnext,   
title={RF-Next: Efficient Receptive Field Search for Convolutional Neural Networks},   
author={Gao, Shanghua and Li, Zhong-Yu and Han, Qi and Cheng, Ming-Ming and Wang, Liang},   
journal=TPAMI,   
year={2022} }

@inproceedings{gao2021global2local,
  title={Global2Local: Efficient Structure Search for Video Action Segmentation},
  author={Gao, Shang-Hua and Han, Qi and Li, Zhong-Yu and Peng, Pai and Wang, Liang and Cheng, Ming-Ming},
  booktitle=CVPR,
  year={2021}
}