|
|
|
| 西北農(nóng)林科技大學在計算機視覺頂級會議上發(fā)表多項研究成果 |
| http://1sjia.cn 2024年10月23日 來源：西北農(nóng)林科技大學 |
|
進日，全球計算機視覺領域頂級學術會議——European Conference on Computer Vision （ECCV 2024）在意大利米蘭落幕。西北農(nóng)林科技大學信息工程學院智能媒體處理課題組兩篇研究論文在大會發(fā)表。
寧紀鋒教授課題組的輕量化目標跟蹤研究“Exploring the Feature Extraction and Relation Modeling For Light-Weight Transformer Tracking”在會上發(fā)表。該研究聚焦輕量級Transformer模型在目標跟蹤任務中的特征提取與關系建模問題。提出了一種新的輕量化目標跟蹤模型——FERMT（Feature Extraction and Relation Modeling Tracker），通過將傳統(tǒng)的注意力機制分解為四個獨立子模塊，顯著提升了視覺跟蹤的速度和精度。該模型引入了雙重注意力單元（Dual Attention Unit），增強了特征表示能力。實驗結果表明，F(xiàn)ERMT在GOT-10k數(shù)據(jù)集上取得了69.6%的平均重疊率（AO），相比當前領先的實時跟蹤器在準確率上提升了5.6%，同時在CPU上的跟蹤速度提升了54%。
FERMT跟蹤模型框架圖
唐晶磊副教授課題組的模型壓縮研究“Straightforward Layer-wise Pruning for More Efficient Visual Adaptation”在會上發(fā)表。該研究專注于模型壓縮與高效遷移學習的前沿課題，提出了一種全新的層剪枝方法——SLS（Straightforward Layer-wise Pruning），該方法通過創(chuàng)新的特征評估機制，并結合t-SNE聚類技術，對高效參數(shù)遷移模型進行剪枝，有效解決了跨域任務中模型性能與效率之間的平衡問題。實驗表明，SLS在保證模型性能的前提下，顯著減少了參數(shù)存儲開銷，提升了模型計算效率，尤其在多任務場景中表現(xiàn)突出。
SLS方法示意框架圖
ECCV大會作為全球計算機視覺領域的重要平臺，吸引了眾多國際頂尖學者的參與。西北農(nóng)林科技大學碩士生韓銳孜和鄭繼凱代表課題組參會，并在會上展示了課題組的最新研究成果。
ECCV是全球計算機視覺領域的三大頂級學術會議之一，在全球計算機視覺領域有著很強的學術影響力。ECCV大會作為全球計算機視覺領域的重要平臺，吸引了眾多國際頂尖學者的參與，2024年ECCV論文錄用率僅為18%，創(chuàng)下了新低。西北農(nóng)林科技大學碩士生韓銳孜和鄭繼凱代表課題組參會，并在會上展示了課題組的最新研究成果，彰顯了西北農(nóng)林科技大學在國際計算機視覺領域的科研實力與學術影響力。
|
 關于西北農(nóng)林科技大學更多的相關文章請點擊查看 |
|
| 特別說明：由于各方面情況的不斷調整與變化，華禹教育網(wǎng)（1sjia.cn）所提供的信息為非商業(yè)性的教育和科研之目的，并不意味著贊同其觀點或證實其內容的真實性，僅供參考，相關信息敬請以權威部門公布的正式信息為準。 |
|
|
|
| |