.png){kind=icon}
返回
Deep-multiscale stratified aggregation
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04820-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种新颖的Deep-Multiscale Stratified Aggregation (D-MSA) 模块，该模块专门设计用于增强跨不同感受野的多尺度特征提取与融合。与传统的卷积架构相比，D-MSA通过处理尺度和语义内容上的差异，有效弥合了浅层与深层特征之间的差距。将D-MSA集成到YOLO架构中，显著提升了模型处理复杂多尺度信息的能力，同时不牺牲计算效率。实验表明，引入D-MSA能够显著提高目标检测的精度。
Keyword:
Deep-multiscale stratified aggregation
Receptive field
YOLO
Object detection
期刊
IF:
2.1
论文数:
908
被引数:
4.6K
机构
引用论文
FDUM-Net: An enhanced FPN and U-Net architecture for skin lesion segmentationFdum-net: 一种用于皮肤病变分割的增强型FPN和u-net架构
PREAI
分享收藏Enhancing graph neural networks for self-explainable modeling: A causal perspective with multi-granularity receptive fields用于自我解释建模的增强图神经网络: 具有多粒度感受野的因果视角
PREAI
分享收藏Dual residual and large receptive field network for lightweight image super-resolution面向轻量级图像超分辨率的双残差大感受野网络.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容