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. 基于深度学习的无人车夜视图像语义分割

  2. 为了增强无人车对夜视图像的场景理解,在夜间模式下更快更精确地探测和识别周围环境,将深度学习应用于夜视图像的场景语义分割,提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络,构建卷积-反卷积神经网络,无需手工选取特征。通过像素到像素的学习和训练,得到图像语义分割模型,可直接用该模型预测夜视图像中每个像素所属的场景语义类别,实现无人车夜间行驶时的环境感知。实验结果表明,该方法具有较好的准确性和实时性,平均IU达到68.47。

  3. 所属分类：深度学习

    • 发布日期：2017-09-01
    • 文件大小：2097152
    • 提供者：weixin_34987539

  1. 基于深度反卷积网络的虹膜定位方法研究

  2. 基于深度反卷积网络的虹膜定位方法研究基于深度反卷积网络的虹膜定位方法研究

  3. 所属分类：深度学习

    • 发布日期：2018-01-10
    • 文件大小：1021952
    • 提供者：qq_35888391

  1. A guide to convolution arithmetic for deep learning

  2. Vincent Dumoulin and Francesco Visin撰写，详细介绍了卷积运算和反卷积运算（有图形展示）

  3. 所属分类：深度学习

    • 发布日期：2018-08-05
    • 文件大小：723968
    • 提供者：monotonomo

  1. 反卷积论文汇总

  2. 这个压缩包是小编在学习反卷积实现的时候参考的论文汇总，包括最经典的Deconvolutional Networks还有Adaptive Deconvolutional Networks for Mid and High Level Feature Learning以及Visualizing and Understanding Convolutional Networks三篇论文，可以很好的帮助理解深度学习中的反卷积操作原理和具体流程！！

  3. 所属分类：深度学习

    • 发布日期：2018-08-17
    • 文件大小：39845888
    • 提供者：qq_29893385

  1. 基于横向滤波器的均衡技术实现

  2. 提出了一个深度的全卷积编码-解码框架来解决去噪和超分辨之类的图像修复问题。网络由多层的卷积和反卷积组成，学习一个从受损图像到原始图像的端到端的映射。卷积层负责特征提取，捕获图像内容的抽象信息，同时消除噪声/损失。相对应，反卷积层用来恢复图像细节

  3. 所属分类：其它

    • 发布日期：2018-10-11
    • 文件大小：90177536
    • 提供者：programmer0000

  1. CNN可视化& 反卷积.zip

  2. 2014 ECCV 深度学习卷积神经网络开始之作，CNN可视化，介绍了CNN不同层的作用及特征图的可视化，2011 ICCV 可视化反卷积论文

  3. 所属分类：深度学习

    • 发布日期：2020-04-30
    • 文件大小：38797312
    • 提供者：xiao_9626

  1. 反卷积算法总结.doc

  2. 总结反卷积算法的一些方法、文献资料、最新研究情况及动态，以及深度学习在其中的应用等相关资料总结。 通过该文献，你可以快速了解反卷积的过去、现在、和未来，并为你提供了相关资源下载网址和链接等，包括国际最新的研究成果

  3. 所属分类：图像处理

    • 发布日期：2020-03-11
    • 文件大小：45056
    • 提供者：eaglezxw

  1. 倾斜角度和欧拉反褶积方法的组合，从Akonolinga-Loum地区（中东部，喀麦隆）的航空数据建模确定结构特征

  2. 喀麦隆中东部的纬度介于3.5°至4.5°N以及经度介于12°至12.5°E之间的航空磁数据被用于进一步研究中部非洲地质省和刚果Craton地区的地下区域。 GIS和GEOSOFT v6.5软件用于处理数据。 这种分析使我们能够从地表权到基地探索我们的研究领域。 倾斜角方法用于描绘地质结构并估算深度。 欧拉反卷积方法用于估计结构接触的特定深度。 我们估算了从西部3°7'到东部3°75'N的刚果克拉通的北部边界和泛非的南部边界。 当方向为WSW-ENE时，其深度估计为深处约2.6 km，浅处约0.1

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：11534336
    • 提供者：weixin_38663193

  1. 卷积神经网络在肝包虫病CT图像诊断中的应用

  2. 探讨卷积神经网络(Convonlutional Neural Network，CNN)在肝包虫病CT图像诊断中的应用。选取两种类型的肝包虫病CT图像进行归一化、改进的中值滤波去噪和数据增强等预处理。以LeNet-5模型为基础提出改进的CNN模型CTLeNet，采用正则化策略减少过拟合问题，加入Dropout层减少参数个数，对二分类肝包虫图像进行分类实验，同时通过反卷积实现特征可视化，挖掘疾病潜在特征。结果表明，CTLeNet模型在分类任务中取得了较好的效果，有望通过深度学习方法对肝包虫病提供辅助

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：312320
    • 提供者：weixin_38634037

  1. 卷积神经网络人脸检测算法

  2. 传统人脸检测算法往往不能自动地从原始图像中提取有用的检测特征，而卷积神经网络可以轻易地提取高维度的特征信息，广泛用于图像处理领域。针对上述缺点，采用简单高效的深度学习Caffe框架并通过AlexNet网络训练，数据集为LFW人脸数据集，得出一个模型分类器，对原始图像数据进行图像金字塔变换，并通过前向传播得到特征图，反变换得出人脸坐标，采用非极大值抑制算法得出最优位置，最后达到一个二分类的人脸检测结果。该方法可以实现不同尺度的人脸检测，具有较高的精度，可用于构建人脸检测系统。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：714752
    • 提供者：weixin_38528463

  1. 学习反卷积网络的目标跟踪

  2. 可以通过学习顺序跟踪目标外观的模型来解决对象跟踪问题。 因此，鲁棒的外观表示是视觉跟踪中的关键步骤。 最近，深度卷积网络通过利用强大的高级功能在视觉跟踪方面表现出了非凡的能力。 为了获得这些高级功能，可在深度卷积网络中交替执行卷积和池化操作。 然而，这些操作导致空间分辨率低的特征图，这降低了跟踪中的定位精度。 虽然低层特征具有足够的空间分辨率，但它们的表示能力不足。 为了缓解这个问题，我们在视觉跟踪中利用了反卷积网络。 该反卷积网络用作可学习的上采样层，该层将低分辨率的高级特征图作为输入，并输出

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：1048576
    • 提供者：weixin_38587509

  1. 学习反卷积深度神经网络进行高分辨率医学图像重建

  2. 学习反卷积深度神经网络进行高分辨率医学图像重建

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：2097152
    • 提供者：weixin_38698590

  1. CoolConvNN：完整，简单，酷的卷积神经网络框架，从头开始构建，可与OpenMP并行运行并且几乎没有依赖关系。 支持定制架构-源码

  2. CoolConvNN 完整，简单，酷的卷积神经网络框架，从头开始构建，可与OpenMP并行运行且几乎没有依赖关系。 支持自定义架构。 介绍 该项目旨在以C语言实现无障碍深度学习框架的无依赖实现。 当前功能，激活，优化器和层： 卷积层 MaxPool层 全连接层 批量标准化 ReLU激活 小批量随机梯度下降 去做： 注意层 反卷积层 退出 泄漏的ReLU激活 亚当优化器 它使用LodePNG（ ）进行png浮点数组转换。 支持外部数据，格式为csv： 835,4096,2,maske

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：107520
    • 提供者：weixin_42134240

  1. 综合深度卷积神经网络的摆扫影像反演恢复算法

  2. 为解决卫星摆扫获得的遥感影像存在畸变和像质退化的问题,提出一种分辨率反演与深度卷积网络相结合的几何校正与图像增强方法。摆扫过程中,空间相机的摆扫角和单位视场角恒定,探测器像面的像素与相机光轴指向的地面景物一一对应,根据这两点,像面上畸变的景物可以被精确地反演恢复。其次,采用真实的遥感影像作为样本,训练了针对遥感影像的深度卷积网络框架,解决了反演恢复过程中的影像模糊问题,增强了校正后影像的视觉效果。实验中,畸变校正后的影像很大程度地恢复了地面景物的原有几何特性。采用无参考图像质量评价指标(NR-I

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：12582912
    • 提供者：weixin_38746818

  1. 基于改进的全卷积神经网络的资源三号遥感影像云检测

  2. 提出了基于改进的深度学习全卷积神经网络的资源三号遥感影像云检测方法。将预训练后的深层卷积神经网络全连接层改为全卷积层，采用反卷积方法对特征图进行上采样，优化改进网络结构，并采用Adam梯度下降法加速收敛。利用资源三号云区影像数据集对网络进行训练，将上采样后的影像特征输入sigmoid分类器进行分类。实验结果表明，该方法检测精度和速度均优于传统方法，准确率可达90.11%，单张影像检测耗时可缩短至0.46 s。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：1048576
    • 提供者：weixin_38689338

  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. RBDN：递归分支反卷积网络：DCNN体系结构，用于“广义深度图像到图像回归”。 CVPR2017（聚焦）-源码

  2. RBDN（递归分支反卷积网络） RBDN是一种用于的体系结构，其特点是 具有广泛参数共享功能的高效内存递归分支方案，可计算输入的早期可学习多上下文表示形式， 端到端保存从输入到输出的本地通信，以及 能够根据任务选择上下文与局部性，以及应用按像素的多上下文非线性。 建筑 RBDN在3种不同的图像到图像回归任务上提供了最先进的性能：去噪，重新照明，着色。 安装及使用 克隆：运行git clone -b master --single-branch https://github.com/venk

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：45056
    • 提供者：weixin_42128315

  1. CN4Mat：用于MatlabOctave的深度神经网络工具箱。 可以通过提供的组件来补充一些深层网络，例如卷积网络，反卷积网络，自动编码器，卷积自动编码器，多层感知器。 自己尝试一下〜-源码

  2. CN4Mat：用于MatlabOctave的深度神经网络工具箱。 可以通过提供的组件来补充一些深层网络，例如卷积网络，反卷积网络，自动编码器，卷积自动编码器，多层感知器。 自己尝试一下〜

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：14680064
    • 提供者：weixin_42131013

  1. 基于反卷积特征提取的深度卷积神经网络学习

  2. 在深度卷积神经网络的学习过程中,卷积核的初始值通常是随机赋值的.另外,基于梯度下降法的网络参数学习法通常会导致梯度弥散现象.鉴于此,提出一种基于反卷积特征提取的深度卷积神经网络学习方法.首先,采用无监督两层堆叠反卷积神经网络从原始图像中学习得到特征映射矩阵;然后,将该特征映射矩阵作为深度卷积神经网络的卷积核,对原始图像进行逐层卷积和池化操作;最后,采用附加动量系数的小批次随机梯度下降法对深度卷积网络微调以避免梯度弥散问题.在MNIST、CIFAR-10和CIFAR-100数据集上的实验结果表明,

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：617472
    • 提供者：weixin_38703669
« 12 3 »