目录
Lightweight super-resolution models
Multi-scale feature extraction block
其他传统特征提取的方法(SURF、ORB、LBP、HAAR)
HED(Holistically-Nested Edge Detection)端到端边缘检测网络
前言
多尺度特征及其空间分布可以看作是对应于不同几何显著性水平的独立特征。这些特征提取自多个并行的branch,并实现分级组合。基于此,提出的模型生成一个形状表示,包含了丰富的局部特征以及他们之间的空间关系。更进一步,基于MLP,提出的结构简洁,高效,在分类与分割任务中能够获得不错的结果。受到工作[2]的启发,多尺度特征分析网络基于一个lightweight结构,应用独立的分支去提取不同尺度的局部特征,并融合全局特征,以获得多级特征表示,以直接表示形状信息。