안녕, 세상!

Abstract 규모가 큰 컴퓨팅 overhead는 object detection을 위한 mobile devices에서의 convolutional neural networks의 inference를 제한시킴 이를 해결하기 위해서 해당 논문은 RSANet이라고 부르는 경량화 convolutional neural network를 제안함 크게 두 가지 파트로 나뉨 (a) Lightweight Convolutional Network (LCNet) as backbone (b) Residual Semantic-gudied Attention Feature Pyramid Network (RSAFPN) as detection head LCNet Feature maps의 수를 변경하기 위해 point-wise convolu..

Abstract EPSANet Novel lightweight and effective attention method Replacing the 3x3 convolution with the PSA module in the bottleneck blocks of the ResNet Be developed by stacking ResNet-style EPSA blocks Strong multi-scale representation ability for various computer vision tasks Outperforming most of the state-of-the-art channel attention methods Introduction Specifically two types of attention..

Abstract For underwater image classification Simulate the visual correlation of background attention with image understanding for special environments, such as fog and underwater by I-A module I-A moudule : Inception-Attention module Introduction Underwater image : Complex distortions (low contrast, blurring, non-uniform brightness...) Three key points 1) 서로 다른 환경들에서 찍힌 underwater images의 backgr..

Abstract SER은 utterance의 언어적 요소와 어떻게 사람이 그것을 말하는지 둘 다에 대한 철저한 이해가 요구됨 어떻게 이 두 가지의 정보를 융합할 지가 SER에서 중요한 과제 중 하나임 새로운 Multimodal Cross- and Self-Attention Network (MCSAN)을 제안함 MCSAN의 핵심은 병렬적 cross와 self-attention module을 채용하는것 해당 모듈들은 audio와 text의 상호작용 속의 intra와 inter modal 둘 다에 대해 명백히 모델링 하기 위해서 사용 MCSAN은 IEMOCAP와 MELD dataset으로 평가됨 실험은 제안된 모델이 두 datasets 모두에서 state-of-the-art 성능을 보인다는것을 증명함 Intr..