注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 纹理图像分割算法的研究

  2. 图像分割是图像处理与计算机视觉领域中最为基础和重要的问题之一，它是对图 像进行视觉分析和模式识别的基本前提，图像分割的效果将直接影响到后续分析、识 别和解译等处理。纹理是图像的重要特征，普遍存在于各类图像当中，由于纹理图像 自身的复杂性，使得纹理图像的分割显得尤为困难。 本文围绕纹理图像的分割技术和实现算法展开研究，主要工作有两方面：一是图 像纹理特征的表述和提取算法的研究，二是基于纹理特征的图像分割技术研究。

  3. 所属分类：其它

    • 发布日期：2010-06-14
    • 文件大小：3145728
    • 提供者：Huangguifangdyx

  1. 图像处理技术手册01

  2. 高木干雄/下田阳久版的图像处理技术手册，高清扫描，带书签。PDF134MB，分为三个压缩包：图像处理技术手册01，图像处理技术手册02，图像处理技术手册03。 内容简介 　　本书共分基础和应用两部分，共31章。基础又分图像处理和相关知识两部分；应用分为映射、认识及论辩等三个部分。　　“图像处理”中主要介绍图像处理的历史、数字图像与处理、图像的模型（model)、图像的几何学、图形（pattern)认识和神经网络、图像理解和计算机视觉（computer vision）、图像处理及弛豫法；　　“相

  3. 所属分类：专业指导

    • 发布日期：2014-06-27
    • 文件大小：49283072
    • 提供者：xjjy88888

  1. 用PyTorch在一个物体数据库上训练ResNet

  2. 最近几年，在处理语音、图像识别和语言处理等问题上，深度学习有着十分不错的表现。在所有类型神经网络中，卷积神经网络中研究最为深入的。在过去因为没有大数据与高性能的计算设备支撑，想要在不过拟合进行高性能卷积神经网络训练是难以想象的。如今卷积神经网络的飞速发展，离不开出现了ImageNet这样的数据，还有大幅提升的GPU计算性能。尽管各种 CNN 模型仍继续在多种计算机视觉应用中进一步推进当前最佳的表现，但在理解这些系统的工作方式和如此有效的原因上的进展仍还有限。这个问题已经引起了很多研究者的兴趣，

  3. 所属分类：机器学习

    • 发布日期：2018-08-22
    • 文件大小：7340032
    • 提供者：liiukangkang

  1. 计算机视觉顶会CVPR 2020上与【图神经网络 (GNN) 】相关的论文（5篇）

  2. 本文继续为大家整理了五篇CVPR 2020 图神经网络（GNN）相关论文，供大家参考——行为识别、少样本学习、仿射跳跃连接、多层GCN、3D视频目标检测。

  3. 所属分类：机器学习

    • 发布日期：2020-05-19
    • 文件大小：14680064
    • 提供者：syp_net

  1. Bengio 团队力作：GNN 对比基准横空出世，图神经网络的「ImageNet」来了.pdf

  2. 图神经网络（GNN）是当下风头无两的热门研究话题。然而，正如计算机视觉的崛起有赖于 ImageNet 的诞生，图神经网络也急需一个全球学者公认的统一对比基准。近日，Bengio 大神带领其团队发布了新的图神经网络对比基准测试框架以及附带的 6 个标准化数据集。大家可以开始尽情刷榜了！

  3. 所属分类：机器学习

    • 发布日期：2020-04-08
    • 文件大小：2097152
    • 提供者：syp_net

  1. 近期必读的5篇顶会CVPR 2020【图神经网络（GNN）】相关论文-Part2.zip

  2. 计算机视觉顶会CVPR 2020在不久前公布了论文接收列表。本届CVPR共收到了6656篇有效投稿，接收1470篇，其接受率在逐年下降，今年接受率仅为22%。整理了CVPR 2020 图神经网络(GNN)相关的比较有意思的值得阅读的，主要涉及视频文本检索、人体解析、图像描述生成、人脸重构、Human-Object Interaction。

  3. 所属分类：机器学习

    • 发布日期：2020-03-17
    • 文件大小：24117248
    • 提供者：syp_net

  1. 一种基于卷积神经网络的条纹投影三维扫描方法.pdf

  2. 发明专利说明书。本发明公开了一种基于卷积神经网络的条 纹投影三维扫描方法，该方法涉及计算机视觉， 光学三维扫描和图像处理领域。该扫描方法用计 算机生成一张正弦编码条纹图，利用投影装置将 其投射在被扫描物体上

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：467968
    • 提供者：phytle0

  1. 12张机器学习思维导图打包下载.zip

  2. 机器学习思维导图，贝叶斯网络，卷积神经网络与计算机视觉，隐马可夫链，聚类算法，特征工程，多算法组合与模型最优

  3. 所属分类：互联网

    • 发布日期：2020-07-16
    • 文件大小：19922944
    • 提供者：qq_37702069

  1. 【神经网络】{4} ——多元分类（学习笔记）

  2. 如何利用神经网络解决多类别分类问题？ （手写数字的识别问题，其实就是一个多类别分类问题，因为它有10种需要识别的类别，也就是数字0到9。） 要在神经网络中实现多类别分类，采用的方法本质上是一对多法的拓展。 假设有一个计算机视觉的例子，我们不只需要识别出图中的汽车，现在我们需要识别四个类别的对象，通过图像来辨别出哪些是行人、汽车、摩托车或者货车： 这样的话，我们要做的就是建立一个有四个输出单元的神经网络： 现在神经网络的输出将是一个含4个数的向量： 输出变成了一个四维的向量，那么现在要做的

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：186368
    • 提供者：weixin_38738511

  1. 计算机视觉面试题复习

  2. CNN在图像上表现好的原因 相比于手工特征， CNN可以采用数据驱动的方式学习特征提取，能够提取到更好更丰富的特征。 深层网络可以拟合更复杂的计算，从而提取更复杂更抽象的特征。 相比于普通深度神经网络， 卷积核共享参数，充分利用图像上的空间局部性，因此具有参数共享和稀疏连接两条优点，不容易过拟合。 CNN中的池化层还使网络具有平移不变性的特性。 参数共享： 不同图像区域用的卷积核共享一个参数 稀疏连接： 只在卷积视野内连接，不在全图连接 理论上， 万能逼近定理： 只要激活函数选择得当，神经元个数

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：60416
    • 提供者：weixin_38528180

  1. Great-Deep-Learning-Tutorials:大量的深度学习教程和存储库-源码

  2. 深度学习教程 大量的深度学习教程和存储库 通用深度学习教程： [非常棒] [深度学习好教程] [伟大的NLP和深度学习文章] [重要] [很好] [有用] 深度学习对计算机视觉有用的资源： [优秀] 深度学习对自然语言处理（NLP）有用的资源： [优秀] 深度学习模型的量化和提炼： [优秀] [教程] [教程] [教程] 数据科学深度学习： [重要] [良好] [良好] GPU和大型数据集上的Scikit学习算法： 深度学习推荐模型： [很棒] 口语处理（语音处理）： [

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：18432
    • 提供者：weixin_42110038

  1. 365-Days-Computer-Vision-Learning-Linkedin-Post:365天计算机视觉学习Linkedin发布-源码

  2. 365天计算机视觉学习Linkedin发布 在LinkedIn上关注我： : 天 话题 发布链接 1个 高效饮食 2个 Yolact ++ 3 YOLO系列 4 德特 5 视觉变压器 6 动态RCNN 7 DeiT ：（数据高效的图像变压器） 8 约洛夫5 9 DropBlock 10 FCN 11 优尼特 12 视网膜网 13 隔离网 14 凸轮 15 流式细胞仪 16 RepVGG 17 图卷积网络 18岁 解构网 19

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：2048
    • 提供者：weixin_42151729

  1. Neural-3D-Morphable-Models-Spiral-convolution-源码

  2. 项目摘要 3D几何数据的生成模型出现在3D计算机视觉和图形的许多重要应用中。 在本文中，我们重点研究具有共同拓扑结构（例如人脸和身体）的3D可变形形状。 尽管具有线性公式，但可变形模型及其变体已被广泛用于形状表示，而最近提出的大多数非线性方法都采用中间表示，例如3D体素网格或2D视图。 在这项工作中，我们引入了一种直接作用于3D网格的新颖的图卷积算子，该算子明确地对固定基础图的归纳偏差进行建模。 这是通过通过螺旋运算符强制执行图的顶点的一致局部局部排序来实现的，从而打破了图神经网络上所有现有工作

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：311296
    • 提供者：weixin_42117150

  1. 全卷积网络用于动作识别

  2. 人体动作识别是计算机视觉中一个重要且具有挑战性的主题。 最近，卷积神经网络（CNN）为许多图像识别任务建立了令人印象深刻的结果。 CNN通常包含数百万个参数，这些参数在小数据集上训练时容易过拟合。 因此，CNN不会比传统的动作识别方法产生更好的性能。 在这项研究中，作者设计了一种新颖的两流全卷积网络体系结构来进行动作识别，该体系结构可以在保持性能的同时显着减少参数。 为了利用时空特征的优势，使用线性加权融合方法融合两流网络的特征图，并采用视频池化方法构建视频级特征。 同时，作者还证明了改进的密集

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38522636

  1. amfinder:AMFinder套件包含Python脚本，该脚本可从墨迹斑斑的植物根部图片中对菌根结构进行高通量注释，以及用于手动管理和生成热图的功能齐全的浏览器-源码

  2. AMFinder 自动菌根查找器（AMFinder）可以使用卷积神经网络基于计算机视觉自动识别和量化墨水染色的根图像上的AM真菌定植和自由基内菌丝结构。 概括 命令行脚本（ amf ） 安装说明 amf至少需要Python 3.6 。 以下是使用虚拟环境安装依赖项的典型安装： $ python3.7 -m venv amfenv $ source amfenv/bin/activate (amfenv) $ python -m pip install -r requirements.tx

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：128974848
    • 提供者：weixin_42102634

  1. SiameseNetwork(应用篇2)：孪生网络用于图像块匹配

  2. 匹配问题是是很多计算机视觉应用问题的基础。我考虑到图像会发生大规模的形貌尺度等变化，所以直接训练了一个CNN模型进行参数拟合。特别的，我研究了很多的神经网络框架，主要探索了那些网络结构更胜任图像匹配问题。同时，我也进行了大量的数据测试，结果证明，采用孪生网络进行图像匹配具有非常大的优势。图1.缩略图。我的目标在于学习一个通用的相似性测度函数，并应用于图像匹配中。为了编码这样一个函数，我大量探索了卷积神经网络结构。为了研究不同网络结构的速度与时间的考量，我研究了当下最普遍的双通道卷积网络、孪生卷积

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：432128
    • 提供者：weixin_38689736

  1. DeepDream：适用于Android的设备上神经DeepDream-源码

  2. 深梦 DeepDream是由Google工程师Alexander Mordvintsev创建的计算机视觉程序，该程序使用神经网络在图像中创建像梦一样的幻觉，迷幻的伪像。 该项目允许用户使用相机或从图库中选择图像，在手机上离线生成DeepDream图像。 核心功能处于脱机状态时，需要一次性下载（约90 MB）。

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2097152
    • 提供者：weixin_42106357

  1. pytorch-GAT：我对原始GAT论文的实施（Veličković等）。 另外，我还包括了用来查看Cora数据集，GAT嵌入，注意力机制和熵直方图的sparkle.py文件。 我也会尽快添加一个归纳示例（PPI）-源码

  2. GAT-图注意力网络（PyTorch） :laptop: +图形+ :megaphone: = :red_heart: 此回购包含原始GAT论文的PyTorch实现（ :link: ）。 它的目的是简化一般的GAT和GNN的玩法和学习。 目录 什么是GNN？ 图神经网络是一系列神经网络，它们处理图上定义的信号！ 图可以建模许多有趣的自然现象，因此您会发现它们在以下任何地方都得到了使用： 计算生物学-预测强效 计算药理学-预测 流量预测-例如在 推荐系统（用于 ， ， 等）

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：2097152
    • 提供者：weixin_42130889

  1. 卷积神经网络（CNN）在无人驾驶中的应用

  2. 无人驾驶的感知部分作为计算机视觉的领域范围，也不可避免地成为CNN发挥作用的舞台。本文是无人驾驶技术系列的第八篇，深入介绍CNN（卷积神经网络）在无人驾驶3D感知与物体检测中的应用。 卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种适合使用在连续值输入信号上的深度神经网络，比如声音、图像和视频。它的历史可以回溯到1968年，Hubel和Wiesel在动物视觉皮层细胞中发现的对输入图案的方向选择性和平移不变性，这个工作为他们赢得了诺贝尔奖。时间推进到上世纪80年代

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：599040
    • 提供者：weixin_38685173

  1. SiameseNetwork(应用篇2)：孪生网络用于图像块匹配

  2. 匹配问题是是很多计算机视觉应用问题的基础。我考虑到图像会发生大规模的形貌尺度等变化，所以直接训练了一个CNN模型进行参数拟合。特别的，我研究了很多的神经网络框架，主要探索了那些网络结构更胜任图像匹配问题。同时，我也进行了大量的数据测试，结果证明，采用孪生网络进行图像匹配具有非常大的优势。 图1.缩略图。我的目标在于学习一个通用的相似性测度函数，并应用于图像匹配中。为了编码这样一个函数，我大量探索了卷积神经网络结构。为了研究不同网络结构的速度与时间的考量，我研究了当下最普遍的双通道卷积网络、孪生卷

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：432128
    • 提供者：weixin_38623272
« 12 »