Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Sep 9, 2025

Deep Neural Networks for Image-Based Dietary Assessment
13:19

Deep Neural Networks for Image-Based Dietary Assessment

Published on: March 13, 2021

9.3K

GIMS: Sistema de coincidencia de imágenes basado en la construcción de gráficos adaptativos y la red neuronal de

Xianfeng Song1, Yi Zou1, Zheng Shi1

  • 1School of Microelectronics, South China University of Technology, Guangdong, China.

Neural networks : the official journal of the International Neural Network Society
|September 4, 2025
PubMed
Resumen

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Leveraging direct learning and reinforcement learning architectures for pre-equalization in high-speed VLC systems.

Optics express·2026
Same author

Development and application of an improved constitutive model for acidizing coal around fractured boreholes.

Scientific reports·2025
Same author

Centrifugal microfluidic chip with an air gap for oil-free production of enhanced adipogenic multicellular microspheres.

Lab on a chip·2025
Same author

Research on the Bearing Remaining Useful Life Prediction Method Based on Optimized BiLSTM.

Sensors (Basel, Switzerland)·2025
Same author

Targeted Isolation of ω-3 Polyunsaturated Fatty Acids from the Marine Dinoflagellate <i>Prorocentrum lima</i> Using DeepSAT and LC-MS/MS and Their High Activity in Promoting Microglial Functions.

Marine drugs·2025
Same author

Association of grey matter cerebral blood flow with white matter integrity in relation to youth bipolar disorder.

Journal of psychiatry & neuroscience : JPN·2025

Este estudio introduce un método de construcción de gráficos adaptativos para el emparejamiento de imágenes basadas en características utilizando redes neuronales de gráficos (GNN) y transformadores. El nuevo enfoque mejora significativamente el rendimiento y la eficiencia de la correspondencia.

Área de la Ciencia:

  • Visión por computadora
  • Aprendizaje automático
  • Redes neuronales de gráficos

Sus antecedentes:

  • El emparejamiento de imágenes basado en características es crucial para las tareas de visión por ordenador.
  • Las redes neuronales de gráficos (GNNs) ofrecen un rendimiento superior a los métodos tradicionales para la representación de puntos clave.
  • Los enfoques de GNN existentes para el emparejamiento de imágenes enfrentan desafíos en la construcción de gráficos y la representación de características.

Objetivo del estudio:

  • Desarrollar un método innovador de construcción de gráficos adaptativos para mejorar la correspondencia de imágenes.
  • Integrar las GNN con los transformadores para una mejor representación de la información espacial y de características.
  • Lograr un rendimiento de vanguardia en el emparejamiento de imágenes basado en características.
Palabras clave:
Comparación de gráficosGráfico de la red neuronalComparación de imágenesAprendizaje automático

Más Videos Relacionados

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

633

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Deep Neural Networks for Image-Based Dietary Assessment
13:19

Deep Neural Networks for Image-Based Dietary Assessment

Published on: March 13, 2021

9.3K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

633

Principales métodos:

  • Se introdujo una construcción de gráficos adaptativos utilizando un filtro de similitud de distancia y umbral dinámico.
  • Redes neuronales de gráficos combinados (GNN) con transformadores para la representación de características híbridas.
  • Utilizó el algoritmo Sinkhorn para una coincidencia óptima y multi-GPU para un entrenamiento acelerado.

Principales resultados:

  • Logró una mejora promedio de 3.8×-40.3× en el rendimiento general de emparejamiento.
  • Demostró la eficacia de la construcción de gráficos adaptativos y el modelo híbrido.
  • Valida el rendimiento del sistema en conjuntos de datos de imágenes extensos a través de experimentos comparativos.

Conclusiones:

  • El modelo híbrido GNN-Transformer propuesto con construcción de gráficos adaptativos avanza significativamente en el emparejamiento de imágenes basado en características.
  • El método ofrece estructuras gráficas robustas y precisas, mejorando la precisión de la correspondencia.
  • Formación eficiente lograda a través de la tecnología multi-GPU, abordando las demandas computacionales.