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. ASP.NET MVC3

  2. MVC3.0经过其1.0和2.0版本的发展，现在已经到了3.0的领军时代，随着技术的不断改进，MVC也越来越成熟。使开发也变得简洁人性化艺术化。 ASP.NET MVC3 在 ASP.NET MVC 1 和 2 的基础上，增加了大量的特性，使得代码更加简化，并且可以深度扩展。这篇文章提供包含在此次发布中的许多新特性的说明，分为以下部分： Razor 视图引擎 支持多视图引擎 Controller 改进 Javascr ipt 和 Ajax Model 验证的改进 依赖注入 Dependency

  3. 所属分类：C#

    • 发布日期：2012-12-29
    • 文件大小：20971520
    • 提供者：chenzongchao321

  1. Cocos2d-x高级开发教程

  2. 一款很不错的cocos2d-x学习书籍 目录（1）  第一部分 引擎基础 第1章 Hello Cocos2d-x 2 1.1 引擎简介 2 1.2 搭建开发环境 3 1.3 Hello World 5 1.4 Hello World分析 6 1.5 测试样例简介 10 1.6 小结 11 第2章 在游戏开始之前 12 2.1 基本概念 12 2.1.1 场景与流程控制 12 2.1.2 层 13 2.1.3 精灵 14 2.1.4 节点与渲染树 14 2.1.5 动作与动画 16 2.2 C

  3. 所属分类：Android

    • 发布日期：2014-03-27
    • 文件大小：3145728
    • 提供者：ht1201

  1. 深度学习多视图学习.pptx

  2. 今天给大家带来，深度学习多视图学习.pptx，面对于相关知识讲解的十分清楚明白，相关方向的同学不要错过，一起来学习吧！

  3. 所属分类：深度学习

    • 发布日期：2020-04-23
    • 文件大小：24117248
    • 提供者：miracleoa

  1. 1基于深度模型的基于强化学习的多任务学习.pdf

  2. SDN相关论文 在分布式SDN中，实现了多个物理SDN控制器，每个控制器都管理一个网络域，以平衡集中控制，可伸缩性和可靠性要求。 在这样的联网范例中，控制器彼此同步以维持逻辑上集中的网络视图。 尽管提出了分布式SDN控制器体系结构的各种建议，但大多数现有工作仅假设可以通过一些同步设计来实现这种逻辑上集中的网络视图，但是在最终一致性下，控制器之间应如何精确地同步以最大程度地发挥同步优势的问题仍然存在。

  3. 所属分类：深度学习

    • 发布日期：2020-03-15
    • 文件大小：380928
    • 提供者：S861832116

  1. nvdla 入门翻译文档.pdf

  2. 翻译的NVDLA 加速引擎的文档，学习交流，一块进步！PU cPU Microcontroller DRAM AVULA NVD_A DODI SFAMI Small NVDLA system Large"NVDLA system 小NDLA模型 小型 NVDLA模型在以前不可行的领域开辟了深度学习技术。此模型非常适合对成本因素 比较敏感的物联网(IoT)类设备、A丨以及面向自动化的系统领域。这些系统具有明确的应 用方向,其成本、面积和功率是主要注意事项。通过N√DLA可配置实现资源节约(在成本

  3. 所属分类：硬件开发

    • 发布日期：2019-08-31
    • 文件大小：510976
    • 提供者：weixin_42119147

  1. A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommenda

  2. 本文介绍了在推荐系统中，用于跨域用户建模的多视图深度学习算法。该文提出了一个通用的推荐框架，它使用深度学习来匹配用户特征和项目特征。展示了如何扩展这个框架，用来组合来自不同领域的数据，从而进一步提高推荐质量。最后讨论了通过降维的方式，使这种算法可扩展到大数据集的不同方法。

  3. 所属分类：互联网

    • 发布日期：2020-11-19
    • 文件大小：267264
    • 提供者：diyi6976

  1. 3d-photo-inpainting:[CVPR 2020]使用上下文感知的分层深度修补进行3D摄影-源码

  2. [CVPR 2020]使用上下文感知的分层深度修补进行3D摄影 [] [] [ ] 我们提出了一种用于将单个RGB-D输入图像转换为3D照片的方法，即用于新颖视图合成的多层表示，该方法在原始视图中所包含的区域中包含幻觉的颜色和深度结构。我们使用具有显式像素连通性的分层深度图像作为基础表示，并提出一种基于学习的修复模型，该模型以空间上下文感知的方式将新的局部颜色和深度内容迭代地合成到被遮挡的区域中。使用标准图形引擎，可以使用运动视差有效地渲染生成的3D照片。与最先进的技术相比，我们在各种具有挑

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：7340032
    • 提供者：weixin_42118011

  1. 基于领导者的多尺度注意力深度架构用于人员重新识别

  2. 人员重新识别（re-id）旨在在公共空间中通过不重叠的摄像机视图对人员进行匹配。 这是一个具有挑战性的问题，因为监视视频中捕获的人员通常穿着类似的服装。 因此，它们外观上的差异通常很小，只能在特定的位置和比例下才能检测到。 在本文中，我们提出了一种深层re-id网络（MuDeep），该网络由两种新型类型的层组成-多尺度深度学习层和基于领导者的注意力学习层。 具体而言，前者学习不同尺度下的深度判别式特征表示，而后者则利用来自多个尺度的信息来领导并确定每个尺度的最佳权重。 通过基于领导者的注意力学习

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：2097152
    • 提供者：weixin_38631331

  1. 在监视场景中学习用于小对象检索的多视图深度功能

  2. 在监视场景中学习用于小对象检索的多视图深度功能

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1019904
    • 提供者：weixin_38628183

  1. MvDSCN:“多视图深度子空间聚类网络”论文的正式张量流实现-源码

  2. 数字视频广播网 :game_die: 用于“多视图深度子空间群集网络”的Tensorflow回购 （提交给TIP 2019 ） 概述 在这项工作中，我们通过以端到端的方式学习多视图自表示矩阵，提出了一种新颖的多视图深子空间聚类网络（MvDSCN）。 MvDSCN由两个子网组成，即分集网络（Dnet）和通用网络（Unet）。 在深度卷积自动编码器上建立潜在空间，并使用完全连接的层在潜在空间中学习自表示矩阵。 Dnet学习特定于视图的自表示矩阵，而Unet学习所有视图的公共自表示矩阵。 为了利用

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：27262976
    • 提供者：weixin_42104366

  1. 3D-Terrain-Recognition:ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别-源码

  2. ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别 ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别 秦楠楠，胡向云*，戴恒明 [] 地形场景类别不仅可用于某些地理或环境研究，而且还可用于为多个点云处理任务选择合适的算法或算法的合适参数，以实现更好的性能。 但是，目前很少有针对地形场景分类的点云处理研究。 本文提出了一种新的深度学习框架，该框架使用稀疏点云的2D表示进行3D地形场景识别。 该框架有两个关键组成部分。 （1）首先，从机载激光扫描点云中提取几个合适的判别性

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_42122432

  1. 区分性深度转移度量学习，用于跨场景人员重新识别

  2. 针对跨场景人员重新识别（Re-ID），提出了一种有区别的深度传输度量学习方法，称为DDTML。 为了在新场景中开发Re-ID模型，认为有必要使用大量成对的，跨相机视图的人像。 然而，由于金钱成本和贴标签时间，这项工作非常昂贵。 为了解决这个问题，提出了一种跨场景的Re-ID DDTML。 具体地，为了测量跨场景的分布差异，通过将数据的判别信息嵌入到最大平均差异的概念中，提出了一种基于类分布的最大平均差异。 与大多数度量学习方法通​​常会学习线性距离以将数据投影到特征空间不同，DDTML使用深度神

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：630784
    • 提供者：weixin_38697979

  1. 数据分析和可视化：知识库，基础知识和实践证明，是达多斯州立大学的基础-源码

  2. 数据分析与可视化 该存储库旨在显示数据分析的基本概念，不仅显示技术内容，而且还显示有关数据的批判性视图。 Python库 脾气暴躁的 科学 大熊猫 统计模型 Matplotlib 海生 机器学习导论 Scikit学习 XGboost 与数据科学（机器学习和深度学习）相关的内容可在另一个存储库中获得。 数据搜集 cra草 SQL

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：2097152
    • 提供者：weixin_42109178

  1. api-facial-recognition：基于opencv和dlib的python flask（API），可用于构建动态面部识别器模型-源码

  2. api面部识别 基于opencv和dlib的python flask（API），允许构建动态人脸识别器模型 api-facial-recognition由Ibrahima BA和Ibrahima Gaye开发，其目标是提供一种动态的方式来构建面部识别器深度学习模型。 我们将opencv ， dlib ， zmq ，多处理和基因编程结合在一起，以api（烧瓶）的形式分组。 它允许用户发送一堆图像并检索可以识别先前发送的面部实例的模型。 构建过程基于keras张量流，但是我们添加了一个优化器过程，该

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：601088
    • 提供者：weixin_42127369

  1. Awesome_Human_Activity_Recognition：令人敬畏的人类活动识别（普适计算）论文，方法和资源的最新列表-源码

  2. 真棒人类活动识别 1.数据集 机会[ ] PAMAP2 [ ] 2.带代码的文件 2020年 潜在的独立激励，用于基于传感器的通用跨人活动识别[论文] []（ AAAI 2021 ） 通过自适应时空转移学习进行跨数据集活动识别[] [代码]（ IMWUT / ubicomp ） MARS：具有多域深度学习模型的用于人类活动识别的虚拟和真实可穿戴混合传感器[] [code]（ arXiv ） 从可穿戴设备向人类活动的深度聚集[] [代码]（ ISWC / ubicomp ） [UDA4H

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：5120
    • 提供者：weixin_42109178

  1. MMVGCN-Attack：攻击医学数据的多重表示-源码

  2. 元多视图GCN攻击（MMVGCN攻击） 通过使用元学习优化来攻击医学数据的多路复用表示。 如有任何疑问或其他信息，请联系 。 介绍 图是非常有力的表示，可以对来自不同领域的不同数据进行建模。 现代社会的生活取决于从金融，交通，社会或医疗网络开始的图形表示网络。 由于这些数据所代表的复杂性，任何攻击方法的脆弱性都很高。 深度学习模型虽然很成功，但显示出其性能很容易失败。 仅有一个对抗输入可以改变算法的预测。 这种对抗性的输入旨在混淆深度学习模型的决策或结果。 这很容易愚弄目标值。 为了解决这个

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：430080
    • 提供者：weixin_42098759

  1. SfMLearner：单眼视频的深度和自我运动估计的无监督学习框架-源码

  2. SfM学习者 该代码库实现了本文所述的系统： 通过视频无监督地学习深度和自我运动 ，，， 在CVPR 2017（口头）中。 有关更多详细信息，请参见。 如有任何疑问，请联系（ ）。 先决条件 该代码库是使用Tensorflow 1.0，CUDA 8.0和Ubuntu 16.04开发和测试的。 运行单视图深度演示 我们提供了用于运行我们的单视图深度预测模型的演示代码。 首先，通过运行以下命令下载预训练的模型 bash ./models/download_depth_model.sh 然后，

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：6291456
    • 提供者：weixin_42150360

  1. 基于多聚焦图像序列融合的筒状类工件内壁形貌重构方法

  2. 针对筒状类工件内壁缺陷和形貌特征的检测需求,提出了基于深度学习与机器视觉相结合的筒状类工件内壁全景成像方法。该方法基于变焦距成像,获取筒状类工件内壁多聚焦图像序列,利用基于卷积神经网络的多聚焦图像融合算法,融合不同景深的内壁图像序列,获取全聚焦的内壁全景视图。根据视觉成像的透视变换原理,采用逆映射全景图像,改进了内壁形貌重构方法,获取柱面坐标系下的筒状类工件内壁形貌图像。实验结果表明,提出的形貌重构方法能够有效实现内壁质量的检测,且成像质量较高。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：2097152
    • 提供者：weixin_38583278

  1. 基于领导者的多尺度注意力深度架构用于人员重新识别

  2. 人员重新识别（re-id）旨在在公共空间中通过不重叠的摄像机视图对人员进行匹配。 这是一个具有挑战性的问题，因为监视视频中捕获的人员通常穿着类似的服装。 因此，它们外观上的差异通常很小，只能在特定的位置和比例下才能检测到。 在本文中，我们提出了一种深层re-id网络（MuDeep），该网络由两种新型类型的层组成-多尺度深度学习层和基于领导者的注意力学习层。 具体而言，前者学习不同尺度下的深度判别式特征表示，而后者则利用来自多个尺度的信息来领导并确定每个尺度的最佳权重。 通过基于领导者的注意力学习

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：1048576
    • 提供者：weixin_38618540

  1. Awsome_Deep_Geometry_Learning:有关3D形状处理的深度学习解决方案的资源列表-源码

  2. 精选的深度几何学习资源列表 基于图像的方法 2012-NIPS-用于3d对象分类的卷积递归深度学习。 2014-NIPS-使用多尺度深度网络从单个图像进行深度图预测。 2014-ECCV-从RGB-D图像中学习丰富的功能以进行对象检测和分割。 2015-CVPR-将3D模型与混乱场景的RGB-D图像对齐。 2015-ICCV-用于3d形状识别的多视图卷积神经网络。 2016-CVPR-用于RGB-D图像中的无模3D对象检测的深度滑动形状。 2016-CVPR-用于对3d数

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：12288
    • 提供者：weixin_42181545
« 12 »