学术分享丨西电焦李成教授团队新作：多尺度深度学习检测与识别全面综述，探寻⌈尺度⌋的过去和未来

文章预览

转自 专知 文章于2024年4月发表在 IEEE Transactions on Neural Networks and Learning Systems (TNNLS) 上： https://ieeexplore.ieee.org/document/10507032 近年来，计算机视觉中的多尺度问题逐渐引起人们的关注。 本文聚焦于目标检测与识别任务的多尺度表示，全面介绍了多尺度深度学习的发展历程，构建了一个概括能力强且易于理解的分类体系。 首先给出“尺度”的定义，阐述了人类视觉系统中的多尺度机理，进而引出计算机视觉中的多尺度问题。其次，介绍了得到充分发展的多尺度表示方法，包括金字塔表示、尺度空间表示和多尺度几何表示。然后，对多尺度深度学习方法进行分类和讨论。具体来说，将多尺度卷积神经网络（CNNs）抽象到经典的CNN框架中，形成自然的分类。此外，对视觉Transformers（ViTs）中的多尺度建模方法进行总结。对多种方法在不同任务上的性能进行 ………………………………