dense（dense forest）

题目:GlideNet:Global,LocalandIntrinsicbasedDenseEmbeddingNETworkforMulti-categoryAttributesPrediction来源:CVPR2022链接:网页链接.摘要:该工作提出了一种新的多类别属性预测深度体系结构GlideNet.它包含三个不同的特征提取器.全局特征提取程序识别场景中存在的对象,而局部特征提取程序则关注感兴趣对象周围的区域.同时内在特征提取器使用标准卷积的扩展,称为知情卷积.利用其二进制掩码检索低像素数对象的特征.GlideNet然后使用带有二进制掩码的选通机制及其自学习类别嵌入来组合密集嵌入.总体而言,全局-局部内在块理解场景的全局上下文同时关注感兴趣的局部对象的特征.该体系结构通过类别嵌入,根据类别调整特征组合.最后使用组合特征,解释器预测属性,输出的长度由类别决定,从而删除不必要的属性.GlideNet可以在两个最新且具有挑战性的数据集上获得令人信服的结果.特别地，SCI论文撰写直私芯我@SCI博士