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. 基于深度学习的图像分类方法研究_孟丹.caj

  2. 本文在深度学习框架的基础上对特征提取方法进行了研究,并通过医学图像、人脸表情的检测和分类对其效果进行了验证。本文的研究内容主要包括以下三点:1)提出有约束的高分散主成分分析网络(Constrained High Dispersal PCANet,CHDNet)。本文详细分析了 CHDNet的不同组件对分类性能的影响,针对PCANet的局限性,设计了非线性变化层、多尺度特征池化层,以提高分类性能。将CHDNet应用在医学图像分类中,包括基于Kinect深度图像的人体生理机能自动检测和计算机辅助舌象

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：6291456
    • 提供者：olivia_ye

  1. 结合非局部与分块特征的跨视角步态识别

  2. 结合非局部与分块特征的跨视角步态识别。步态识别。步态分类。卷积神经网络。跨视角。 目前基于深度学习的步态识别方法大多通过叠加卷积层获取全局特征,忽略有利于细粒度分类的局部特 征. 针对上述问题,文中提出结合非局部与分块特征的跨视角步态识别方法. 将一对步态能量图(GEI)作为输入,提取单样本的非局部信息与样本对之间的相对非局部信息. 为了更好地提取局部特征,根据GEI 的几何特性,将人体区域水平切分为静态块、微动态块和强动态块,连接至3 个二值分类器分别进行训练. 在OU鄄ISIR鄄LP 和

  3. 所属分类：深度学习

    • 发布日期：2020-01-05
    • 文件大小：574464
    • 提供者：wenjunqin

  1. 一种基于双路卷积和特征融合的图像隐写分析方法.pdf

  2. 卷积神经网络。发明专利说明书。本发明公开了一种基于双路卷积和特征融 合的图像隐写分析方法，其步骤包括：1、构建图 像隐写分析的深度学习网络框架；2、图像数据集 的准备；3、网络的初始化

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：692224
    • 提供者：phytle0

  1. 一种基于MaskRCNN识别太赫兹安检图像可疑物体的检测方法__神经网络图.pdf

  2. 发明专利说明书。本发明公开了一种基于Mask RCNN识别太赫 兹安检图像可疑物体的检测方法，本发明采用了 多张太赫兹安检图片构成的训练数据集、验证数 据集和测试数据集与标注，构建基于Mask-RCNN 的图像识别模型并利用所述训练数据集训练该 模型，以及利用所述验证数据集验证该模型的图 像识别结果，该模型可以对太赫兹安检图像中人 体携带的可疑物体进行良好的目标识别与检测。 综上，本发明结合深度学习卷积神经网络思想

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：549888
    • 提供者：phytle0

  1. 深度学习卷积神经网络的猫狗分类

  2. 基于Tensorflow的猫狗大战代码，只需更改文件夹的路径直接可跑，包含答辩XMind脑图等等。资料齐全。

  3. 所属分类：深度学习

    • 发布日期：2020-06-17
    • 文件大小：2097152
    • 提供者：qq_33828738

  1. 基于深度学习的行为检测方法综述_高陈强.caj

  2. 行为检测在自动驾驶、视频监控等领域的广阔应用前景使其成为了视频分析的研究热点。近年来，基于深度学习的方法在行为检测领域取得了巨大的进展，引起了国内外研究者的关注，对这些方法进行了全面的梳理和总结，介绍了行为检测任务的详细定义和面临的主要挑战; 从时序行为检测和时空行为检测 2 个方面对相关文献做了细致地分类，综合分析了每一类别中不同研究方法的思路和优缺点，并阐述了基于弱监督学习、图卷积神经网络、注意力机制等新兴研究话题的相关方法; 介绍了行为检测领域常用的数据集以及性能评估指标，在这些数据集上比

  3. 所属分类：深度学习

    • 发布日期：2020-12-25
    • 文件大小：1048576
    • 提供者：WhiffeYF

  1. 基于卷积神经网络（CNN）的火焰识别探讨（一）

  2. 环境描述     操作系统：windows10     开发语言：python3.7.6     深度学习后端：tensorflow2.1.0     深度学习前端：keras（ts内嵌的keras）     显卡：GTX1050TI（安装cuda）     一、准备数据     从百度或谷歌上搜火、火焰、火灾等图片，建立两个文件夹（因为是二分类问题，有火or无火）fire和nofire。效果如下：     截图的文件夹分为conv和不带conv的文件夹，其实是火和无火的图片是经过多次添加的，

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：972800
    • 提供者：weixin_38526208

  1. Internship_2021:Github页面用于语义分割工作的实习描述-源码

  2. 计算机视觉实习：用于场景理解的RGB-D语义分割 语境 我们正在寻找里尔大学Fox团队，CRIStAL的计算机视觉研究工作的实习生。 FoX团队致力于从各种视觉输入（图像，视频，深度信息，基于事件的传感器等）中提取信息。我们的研究方向包括： 人类行为理解 面部表情识别 生物启发的模式识别方法 对物体和场景的理解。 目标 语义场景感知和理解是许多现代应用程序（例如移动机器人导航）的基本任务。为了实现这一任务，语义分割是许多后续过程的第一步：人的感知，避障，语义映射等。语义分割是将图像的每个像素分配

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：104448
    • 提供者：weixin_42117150

  1. 通过深度学习和线积分卷积提取道路网络

  2. 在本文中，我们提出了一种基于学习的高分辨率卫星路网提取方案。 首先，将能够捕获局部结构的大背景的卷积神经网络（CNN）应用于预测像素属于道路区域的可能性，并为每个像素分配标签以描述其是否为道路。 然后，开发了一种基于线积分卷积的算法来平滑粗糙图以连接小间隙。 最后，通过与一些常见的图像处理运营商相结合，可以获取道路中心线。 归因于CNN的学习能力以及基于线积分卷积的连接方案，与当前最新的道路提取方法相比，该道路提取方法能够提供高质量的结果。

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：666624
    • 提供者：weixin_38704565

  1. 基于卷积神经网络的深度学习智能星座图分析仪

  2. 基于卷积神经网络的深度学习智能星座图分析仪

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：3145728
    • 提供者：weixin_38499336

  1. 图卷积网络哈希用于跨模态检索

  2. 基于深度网络的跨模式检索最近取得了重大进展。 但是，缩小模态差距以进一步提高检索准确性仍然是关键的瓶颈。 在本文中，我们提出了一种图卷积哈希（GCH）方法，该方法通过一个亲和度图学习模态统一的二进制代码。 端到端的深度架构由三个主要组件构成：语义编码器模块，两个特征编码网络和图卷积网络（GCN）.Wedesignasemanticencoderasa教师模块指导语义的特征编码过程（即学生模块）信息开发。 此外，利用GCNi来探索数据点之间的固有相似性结构，这将有助于生成可区分的哈希码。 在三个基

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：482304
    • 提供者：weixin_38633157

  1. 基于卷积神经网络的深度学习在眼图上进行智能OSNR估计

  2. 基于卷积神经网络的深度学习在眼图上进行智能OSNR估计

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：297984
    • 提供者：weixin_38703906

  1. 基于图卷积网络的图深度学习

  2. 先简单回顾一下，深度学习到底干成功了哪些事情！深度学习近些年在语音识别，图片识别，自然语音处理等领域可谓是屡建奇功。ImageNet：是一个计算机视觉系统识别项目，是目前世界上图像识别最大的数据库，并且被业界熟知。我们先回顾一下，没有大数据支撑的欧式深度学习技术。对于一个字母“Z”的识别，我们通常是建立一个2D网格（点阵），如果将其中的点连接起来，定义这样的连接方式所形成的就是“Z”。然后是用其他字母来测试，这个模型的正确性。传统深度学习的方法，实际上就是一种手工设计特征的过程。而且，在准确率上

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_38748555

  1. 基于全卷积对称网络的目标尺度自适应追踪

  2. 针对目标追踪过程中由于目标快速运动及尺度变化导致追踪失败的问题, 提出了一种基于全卷积对称网络的目标尺度自适应追踪算法。首先利用MatConvNet框架构建全卷积对称网络, 使用训练好的网络得到实验图像与模板的多维特征图, 两者通过互相关操作, 选取置信分数最大的点为所追踪目标的中心位置; 其次, 对中心位置进行多尺度采样, 将小于模板方差1/2的错误样本过滤掉; 建立目标模板和样本概率直方图, 计算模板与样本间的海林洛距离, 选取合适的尺度作为目标追踪窗口的尺度。在OTB-13数据集上进行实验

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：17825792
    • 提供者：weixin_38621082

  1. 基于双通道卷积神经网络的深度图超分辨研究

  2. 目前直接获取的深度图受其成像原理及硬件设备等因素的限制,存在分辨率低、边缘信息丢失等缺点,极大地影响了深度图的应用。针对这一问题，提出基于双通道卷积神经网络的深度图超分辨率重建模型。该模型由深、浅两个通道组成，21层的深层通道通过联合卷积与反卷积，结合跳跃连接与多尺度理论，实现深度图细节特征的快速学习；3层的浅层通道用于学习深度图的轮廓特征；最后融合深、浅两个通道，将细节与轮廓相结合，实现由低分辨率深度图到高分辨率深度图的端到端的学习。该模型充分利用卷积神经网络的学习能力自主提取深度图的有效特征

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：3145728
    • 提供者：weixin_38699613

  1. 基于改进卷积神经网络的视网膜血管图像分割

  2. 彩色眼底图像视网膜血管分割对于临床医学诊断有重要价值。提出了一种基于改进卷积神经网络的视网膜血管分割方法。首先, 将残差学习和密集连接网络(DenseNet)相结合, 更充分地利用每一层的特征;通过增加短连接的方式, 缩短了低层特征图到高层特征图之间的路径, 强化了特征的传播能力。其次, 为了提取更多细小血管, 在编码器-解码器结构的网络中加入了空洞卷积, 在不增加参数的情况下增加感受野。实验结果表明, 与现存其他深度学习方法相比, 所提出网络结构的参数数量更少, 在DRIVE标准数据集上平均准

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：5242880
    • 提供者：weixin_38665122

  1. 基于卷积神经网络的深度图超分辨率重建

  2. 针对传统深度图超分辨率重建算法需要人工提取特征、计算复杂度较高且不容易得到合适表示特征的问题, 提出一种基于卷积神经网络(CNN)的深度图超分辨率重建算法。该算法不需要提前对特定的任务从图像中提取具体的手工特征, 而是模拟人类的视觉系统对原始深度图进行层次化的抽象处理以自主地提取特征。该算法直接进行从低分辨率深度图到高分辨率深度图的映射学习。映射由7个卷积层和1个反卷积层联合实现。卷积操作学习丰富的图像特征, 而反卷积实现上采样重建高分辨率的深度图。Middlebury RGBD数据集的实验结果

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：4194304
    • 提供者：weixin_38513794

  1. 基于迁移学习和深度卷积神经网络的乳腺肿瘤诊断系统

  2. 乳腺肿瘤计算机辅助诊断(CAD)系统在医学检测和诊断中的应用日益重要。为了区分核磁共振图像(MRI)中肿瘤与非肿瘤，利用深度学习和迁移学习方法，设计了一种新型乳腺肿瘤CAD系统：1）对数据集进行不平衡处理和数据增强；2）在MRI数据集上，利用卷积神经网络（CNN）提取CNN特征，并利用相同的支持向量机分类器，计算每层CNN的特征图的分类F1分数，选取分类性能最高的一层作为微调节点，其后维度较低层为连接新网络节点；3）在选取的网络接入节点，连接新设计的两层全连接层组成新的网络，利用迁移学习，对新网

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：7340032
    • 提供者：weixin_38686542

  1. 基于图卷积网络的深度学习点云分类模型

  2. PointNet是三维点云分类中具有代表性的研究成果,该模型开创性地利用深度学习模型对点云进行分类,取得了较好的效果。但是PointNet模型只考虑点云的全局特征而忽略每个点的局部信息,为弥补这个缺陷,提出基于图卷积网络的点云分类模型。在PointNet模型中插入一个kNN graph层,通过在点云空间构造k近邻图,利用图结构有效地获取点云的局部信息,从而提高整体点云分类准确率。分类实验在ModelNet40数据集上进行,对比不同近邻值k对输出精度的影响,结果表明在k取20时,分类准确率最高,达

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：2097152
    • 提供者：weixin_38729607

  1. 基于图卷积网络的图深度学习

  2. 先简单回顾一下，深度学习到底干成功了哪些事情！

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：1048576
    • 提供者：weixin_38537777
« 12 3 »