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. VALSE2018王兴刚教授弱监督语义分割

  2. VALSE 2018 大连 王兴刚教授 弱监督语义分割演讲ppt

  3. 所属分类：深度学习

    • 发布日期：2018-05-11
    • 文件大小：48234496
    • 提供者：igili

  1. 高能物理中的弱监督分类

  2. 随着机器学习算法变得越来越复杂以利用数据的细微特征，它们通常越来越依赖于仿真。 本文提出了一种称为弱监督分类的新方法，其中类别比例是机器学习算法的唯一输入。 使用高能物理中最具挑战性的二进制分类任务之一-夸克与胶子标记-我们证明了弱监督分类可以与完全监督算法的性能相匹配。 此外，通过设计，新算法对模拟中数据中区分特征的任何错误建模均不敏感。 弱监督分类是一种通用过程，当详细模拟不可靠或不可用时，可将其应用于多种学习问题，以提高性能和鲁棒性。

  3. 所属分类：其它

    • 发布日期：2020-04-30
    • 文件大小：586752
    • 提供者：weixin_38620839

  1. 融合零样本学习和小样本学习的弱监督机器学习方法综述.pdf

  2. 针对弱监督机器学习方法，系统阐述了小样本学习、零样本学习、零—小样本学习的问题定义、当前主要方法以及主流实验设计，最后基于当前研究中出现的问题，对下一阶段研究方向进行了总结展望。

  3. 所属分类：机器学习

    • 发布日期：2020-03-20
    • 文件大小：705536
    • 提供者：syp_net

  1. 弱监督学习人工智能.pdf

  2. 弱监督学习人工智能最新学术和工程技术概述，以及一些文献介绍。南京理工大学老师课件，非常值得一看，特别是想了解这方面知识结构的同学。

  3. 所属分类：机器学习

    • 发布日期：2020-03-20
    • 文件大小：6291456
    • 提供者：weixin_41559006

  1. 弱监督学习综述【南京大学周志华教授】.zip

  2. 本文主要介绍三种典型的弱监督：不完全、不确切和不准确监督。尽管三者可以分开讨论，但是实践中它们通常同时出现。由于篇幅限制，本文实际上扮演了更多文献索引而非文献综述的角色。

  3. 所属分类：机器学习

    • 发布日期：2020-02-03
    • 文件大小：881664
    • 提供者：syp_net

  1. 视频中动作识别与定位的自步弱监督学习

  2. 视频中动作识别与定位的自步弱监督学习，杨旻，盖程鹏，对于仅有动作标签而缺少标签时序位置信息的视频进行弱监督学习是一项极具挑战的任务。为了进一步提高动作识别和定位的准确率，本

  3. 所属分类：其它

    • 发布日期：2020-01-31
    • 文件大小：712704
    • 提供者：weixin_38689922

  1. 弱监督目标检测论文.rar

  2. 今天有群友反馈弱监督目标检测论文少，收集了部分最新的 cap2det谷歌结合文字信息进行弱监督检测.pdf ICCV2019一篇 instance-aware弱监督目标检测CVPR2020 清华大学弱监督2019 商汤AAAI2020 中科院利用弱监督目标检测中的不稳定性 抛砖引玉，没有积分直接添加微信seer_ai发送 更多内容加微信免费获取

  3. 所属分类：互联网

    • 发布日期：2020-05-29
    • 文件大小：30408704
    • 提供者：andeyeluguo

  1. SYSU-30k:SYSU-30k数据集“弱监督人员重新识别”-源码

  2. SYSU-30k数据集，代码和预训练的模型 数据集，代码和预训练的模型“弱监管人重新编号：可微图形学习的新基准” 。 我们的弱监督再ID的源代码最初是由书面谁拥有丰富的人重新编号经验（），并通过部分修订。 数据集统计 SYSU-30k包含3万个类别的人员，是CUHK03（1.3k类别）和Market1501（1.5k类别）的20倍，是ImageNet（1k类别）的30倍。 SYSU-30k包含29,606,918张图像。 此外，SYSU-30k不仅为解决弱监督的ReID问题提供了一个大型平台，

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：458752
    • 提供者：weixin_42131316

  1. OIM:用于弱监督对象检测的对象实例挖掘（AAAI 2020）-源码

  2. 用于弱监督对象检测的对象实例挖掘 ，王思文，徐东启， ，。 SenseTime研究，SenseTime。 请注意，*表示相应的作者。 OIM概述 对象实例挖掘（OIM）用于弱监督的对象检测，该对象使用空间图和外观图仅使用图像级注释有效地挖掘所有可能的实例。 该论文已被AAAI 2020接受。有关更多详细信息，请参阅我们的。 入门 要求 Caffe和pycaffe要求（请参阅： ） 注意： Caffe必须在支持Python层的情况下构建！ # In your Makefile.confi

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：9437184
    • 提供者：weixin_42144366

  1. WTAL-Uncertainty-Modeling:不确定性模型对弱监督的时间动作本地化的官方Pytorch实施（AAAI-21）-源码

  2. WTAL不确定性建模 Pytorch官方实施的“对的” 通过不确定性模型弱监督时间行为本地化李慧贤（延世大学），王静璐（微软研究院），严璐（微软研究院），惠兰·拜恩（延世大学） 论文： : 摘要：弱监督的时间动作定位旨在学习仅使用视频级标签来检测动作类别的时间间隔。 为此，至关重要的是将动作类别的帧与背景帧（即，不属于任何动作类别的帧）分开。 在本文中，我们提出了关于背景框架的新观点，其中将背景框架建模为分布不一致的样本。 然后，可以通过估计每个帧失配的概率（称为不确定性）来检测背景帧

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：79872
    • 提供者：weixin_42116058

  1. 通过多实例判别学习对卫星图像进行弱监督车辆检测

  2. 卫星图像中的车辆检测已经引起了广泛的研究兴趣，具有广泛的应用潜力。 主要挑战在于难以在卫星图像的所有分辨率和成像条件下标记足够的训练实例（车辆矩形），这会降低相应训练的车辆检测器的性能。 为了解决这一挑战，在本文中，我们提出了一种智能且省力的照明方案，用于车辆检测器的大规模培训。 我们的方案仅需要区域级别的组注释，即该区域是否包含车辆，而无需显式标记车辆的边界框。 为此，设计了一种新颖的弱监督，多实例学习算法，以从此类“弱标签”中学习实例化的车辆检测器。 特别地，首先采用密度估计器从正区域估计车

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：786432
    • 提供者：weixin_38644780

  1. Rigid3DSceneFlow：CVPR2021论文的代码“刚性3D场景流的弱监督学习”-源码

  2. 刚性3D场景流的弱监督学习 该存储库提供代码和数据，以训练和评估用于严格3D场景流估计的弱监督方法。 它代表了该文件的正式实施： ， ， ， | | | | 有关更多信息，请参见 环境设定 注意：此存储库中的代码已在Ubuntu 16.04 / 20.04，Python 3.7，CUDA 10.1 / 10.2，PyTorch 1.7.1和M​​inkowskiEngine 0.5.1上进行了测试。 它可能适用于其他设置，但尚未经过测试。 在继续之前，请确保已正确安装和设置CUDA

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：797696
    • 提供者：weixin_42166105

  1. 基于弱监督ECOC算法的肺结节辅助检测

  2. 肺结节的准确分类与识别是计算机辅助诊断系统在肺癌诊断领域应用的关键，同时也面临巨大的挑战。该技术不仅在特征表示、样本标记等方面存在发展的瓶颈，而且目前缺少准确、有效的分类识别算法。本文提出了一种结合弱监督纠错输出编码（Error－correcting output codes, ECOC）算法和肺结节形状特征表达的肺结节多分类算法。为了提高分类识别的准确率，本文对肺结节的形状特征进行了详细的分析，并提出了一系列准确的形状特征描述向量。在分类识别阶段，算法训练学习了利用专家对肺结节标记信息标记的少

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：572416
    • 提供者：weixin_38574132

  1. 深度补丁学习，用于弱监督的对象分类和发现

  2. 深度补丁学习，用于弱监督的对象分类和发现

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：3145728
    • 提供者：weixin_38630571

  1. WTS：WTS：使用分割模型对遥感土地覆盖分类的弱监督学习框架-源码

  2. WTS WTS：使用分割模型对遥感土地覆盖分类的弱监督学习框架 介绍 这是WTS监督学习框架用于使用分割模型进行遥感土地覆盖分类的实现，其中SRG算法指的是 。 引用该存储库 如果您发现此代码对您的研究有用，请考虑将其引用： article{wts, title={WTS: A weakly towards strongly supervised learning framework for remote sensing land cover classification

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：8388608
    • 提供者：weixin_42169674

  1. 胸CT中弱监督3D疾病分类的深度细分功能：通过双阶段CNN架构使用多分辨率深度细分功能，对多病胸部CT扫描进行弱监督3D分类（DenseVNet ，3D剩余U-Net）-源码

  2. 通过3D双阶段CNN对弱监督的疾病分类的深度细分功能 问题陈述：对多器官，多疾病CT扫描的3D分类进行弱监督。 数据（杜克大学医学中心专有）：1054例肺部疾病病例（286例肺炎，肺不张，279例肺气肿，246例结节，243例）； 577例健康的肺部病例。 注意：以下存储库当前用作存档。 它可以运行，但是需要完整的清理和目录设置。 可以在找到该实施的所有更新。 目录●将DICOM转换为NIfTI卷： preprocess/prime/DICOM_NIFTI.py ●重新采样NIfTI体积分

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：3145728
    • 提供者：weixin_42114041

  1. 通过二进制统计感知进行逻辑增量学习：该项目将统计感知与简单逻辑推理（元解释学习）相结合，以在弱监督的情况下学习0〜9的概念-源码

  2. 通过二进制统计感知进行逻辑增量学习 该项目将统计感知与简单的逻辑推理（元解释学习）相结合，以在弱监督的情况下学习0〜9的概念。

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：101711872
    • 提供者：weixin_42102713

  1. WSISPDR：在MICCAI2019中通过检测响应的传播来弱监督细胞实例分割-源码

  2. 弱监督的细胞实例分割通过从检测响应传播 西村一也（Kazuya Nishimura），柯达菲·埃尔默（Ker Dai Fei Elmer），龙马·比色（Ryoma Bise） 先决条件 CPU或GPU（NVIDIA驱动程序> = 430） 安装 Python设置 conda用户 conda env create -f=requirement.yml conda activate pytorch Docker用户 docker build ./docker sh run_docker.sh

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：53477376
    • 提供者：weixin_42098892

  1. wsolevaluation：评估弱监督对象本地化方法权限（CVPR 2020）-源码

  2. 评估弱监督对象定位方法权限（CVPR 2020） | 崔俊石1,3 * ，城ong哦2 * ，李圣浩1 ，桑赫俊3 ，泽恩普·阿卡达4 ，玄宗申1 *平等贡献 1延世大学综合技术学院2 Clova AI研究，LINE加上公司3 Clova AI研究，蒂宾根NAVER公司4大学 在过去的几年中，弱监督的对象定位（WSOL）受到欢迎，因为它承诺只训练带有图像级别标签的定位模型。 自WSOL进行类激活映射（CAM）的开创性工作以来，该领域一直致力于如何扩展关注区域以更广泛地覆盖对象并更好地对其进行

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：11534336
    • 提供者：weixin_42129797

  1. ConvLSTM-Surgical-Tool-Tracker：此存储库包含用于弱监督的外科工具跟踪器的实现代码。 在这项研究中，使用卷积LSTM对手术视频数据中的时间依赖性进行建模，该卷积LSTM仅在图像级标签上进行训练以检测，定位和跟踪手

  2. ConvLSTM手术工具跟踪器 腹腔镜视频中工具跟踪的弱监督卷积LSTM方法（IPCAI 2019） CI。 Nwoye，D。Mutter，J。Marescaux，N。Padoy 该存储库包含推理演示和评估脚本。 介绍 该模型是使用弱监督卷积LSTM方法对腹腔镜视频中的外科工具的的重新实现。 该网络从图像级标签学习工具检测，定位和跟踪。 该方法由端到端训练的CNN +卷积LSTM（ConvLSTM）神经网络组成，但仅在工具二进制存在标签上受到弱监督。 我们使用ConvLSTM对手术工具运动中

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_42131352
« 12 3 4 »