实体
HardNet++
HardNet++
PulseAugur coverage of HardNet++ — every cluster mentioning HardNet++ across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的分层归一化方法提供精确的补丁描述符检索
研究人员开发了一种新颖的补丁描述符检索方法，该方法可确保精确的最近邻识别，同时显著降低计算负载。这种称为分层归一化（HN）的方法可实现确定性结果，这与现有的近似最近邻技术不同。HN将特征向量分为主要和次要组件，从而实现分支定界搜索，该搜索可修剪非必要数据并比暴力搜索方法实现显著的加速。
-
新方法在神经网络中强制执行硬非线性约束
两篇新的研究论文介绍了一种在神经网络中强制执行硬约束的新颖方法。HardNet++ 使用基于约束的阻尼局部线性化的迭代调整，实现了端到端训练和对非线性约束的任意容差。另一方面，CAffNet 通过可训练的约束仿射层将输入相关的仿射约束嵌入前馈网络和 Transformer 中，保留了通用逼近特性并提供了可证明的遵守保证。
-
PySIFT 为深度学习管道提供更快、更确定的 SIFT
研究人员开发了 PySIFT，一种新的 GPU 常驻 SIFT 算法实现，该算法保持确定性输出，并在多项基准测试中优于传统 SIFT。这一新实现与深度学习框架无缝集成，与现有方法相比，提供了更快的处理速度和更高的准确性。研究结果表明，当与学习到的匹配技术相结合时，经典的 SIFT 特征仍然非常有效，这重新定义了关于它们过时的先入之见。