多尺度特征提取这么做绝绝子！最新idea登顶Nature和Cell！

在CV领域，多尺度特征提取一直是个核心且关键的问题，也是顶会顶刊上的研究热点。最近已经在Nature子刊和cell子刊上发现不少优秀成果...

这是因为，对比传统单尺度，多尺度特征提取可以全面捕捉图像细节与整体特征，增强上下文信息并解决尺度问题，从而显著提高模型的准确性和鲁棒性。这对目标检测、图像分类、图像分割等任务至关重要。

目前，为了更高的计算效率和精度、更强的特征表示能力，我们对多尺度特征提取的创新围绕引入注意力机制、残差连接和可变形卷积等方向。比如一种基于多尺度特征提取的残差网络，计算速度超越SOTA近3倍！

为方便感兴趣的论文er，我这次整理了11篇多尺度特征提取最新论文，开源代码已附，大家需要参考的可以直接拿来看~

全部论文+开源代码需要的同学看文末

A residual multi-scale feature extraction network with hybrid loss for low-dose computed tomography image denoising

方法：文章讨论的是一种基于多尺度特征提取的残差网络，用于低剂量计算机断层扫描图像去噪。作者提出了一种结合了多尺度特征提取和混合损失函数的网络结构，计算速度超越SOTA近3倍，并在保持结构和抑制噪声方面取得了更好的去噪性能。