您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 运动模糊图像盲恢复程序(matlab版)

  2. 本程序源自:, SIGGRAPH 2006 paper
  3. 所属分类:其它

    • 发布日期:2011-03-21
    • 文件大小:27262976
    • 提供者:wanghuideng
  1. Removing camera shake from a single photograph. matlab实现代码

  2. R. Fergus, B. Singh, A. Hertzmann, S. T. Roweis, and W. T. Freeman. Removing camera shake from a single photograph. ACM Trans. Graphics, 25(3):787–794, 2006.
  3. 所属分类:其它

    • 发布日期:2011-03-28
    • 文件大小:2097152
    • 提供者:Zoe0607
  1. Visual Object Recognition, Kristen Grauman

  2. Kristen Grauman, MIT的高材生, 现在是UT,austin,computer vision 实验室的director, visual object recognition 方面的顶级专家, 和antonio, fei-fei li, Fergus等众多大牛有广泛的合作,这本书是她用于visual object recognition的讲义, 包括了computer vision 领域 物体识别最新最前沿的东西
  3. 所属分类:其它

    • 发布日期:2012-05-27
    • 文件大小:24117248
    • 提供者:justinzhao
  1. Deep Learning
 for Computer Vision NIPS 2013 Tutorial slide by Rob Fergus

  2. Deep Learning
 for Computer Vision NIPS 2013 Tutorial slide by Rob Fergus,对各种DL网络有很好的总结。
  3. 所属分类:讲义

    • 发布日期:2014-09-25
    • 文件大小:20971520
    • 提供者:u012736494
  1. 图像去模糊代码

  2. 基于Matlab的图像去模糊代码,基于Fergus 2006年的CVPR 论文
  3. 所属分类:其它

    • 发布日期:2015-04-22
    • 文件大小:2097152
    • 提供者:lnlunar
  1. 可视化理解卷积神经网络

  2. Matthew D. Zeiler and Rob Fergus经典论文,最近Krizhevsky等人展示了大型卷积网络模型在基准数据集ImageNet上的令人印象深刻的分类性能[18]。然而,对于他们为什么表现如此出色以及他们如何改进这一点并不清楚。在本文中,我们探讨了这两个问题。我们介绍一种新颖的可视化技术,可以深入了解中间要素图层的功能和分类器的操作。基于这些可视化的决断,使我们能够找到比Krizhevsky等人的模型更好的架构。在ImageNet分类基准数据集上,我们也进行消融研究,以
  3. 所属分类:深度学习

    • 发布日期:2017-11-12
    • 文件大小:1048576
    • 提供者:lcpxrt
  1. Introduction to Convolutional Networks

  2. Introduction to Convolutional Networks 深度学习CNN课件 Rob Fergus Facebook AI Research New York University
  3. 所属分类:深度学习

    • 发布日期:2017-11-14
    • 文件大小:121634816
    • 提供者:wilbertzhou
  1. Software Engineering at Google

  2. Fergus Henderson has been a software engineer at Google for over 10 years. He started programming as a kid in 1979, and went on to academic research in programming language design and implementation. With his PhD supervisor, he co-founded a research
  3. 所属分类:互联网

    • 发布日期:2018-05-01
    • 文件大小:601088
    • 提供者:lday
  1. 图像去模糊代码

  2. 基于Matlab的图像去模糊代码,基于Fergus 2006年的CVPR 论文
  3. 所属分类:互联网

    • 发布日期:2019-01-14
    • 文件大小:2097152
    • 提供者:weixin_44425171
  1. ssl_opt:优化的matlab代码,用于在半监督学习中使用Laplace Beltrami算子特征函数来计算Laplacian特征向量-源码

  2. 优化半监督学习 该matlab代码提供了已开发和分发的原始版本的计算优化版本。 提供了一个matlab代码来近似拉普拉斯特征向量。 他计算了Laplace Beltrami算子的本征函数,然后对其进行插值以计算laplacian本征向量。 该matlab代码提供了用于计算近似拉普拉斯特征向量的优化过程。 下图显示了使用三种不同过程计算拉普拉斯平滑度的时间分析。 使用精确的拉普拉斯特征向量(EigVector) 使用Laplace Beltrami算子本征函数(Eigfunctions-Fer
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:81920
    • 提供者:weixin_42168750
  1. gt-mysql-employee-tracker-homework-12-源码

  2. 使用MySQL,Express和NodeJS的员工数据库 目录 安装 克隆仓库, 在仓库中,运行npm install, 使用“ node app.js”在终端中运行app.js文件。 用法 该员工数据库旨在在节点命令行界面(CLI)上运行。 它从用户那里检索信息,并将其数据动态输入到MySQL中的数据库中。 这是跟踪组织内不同部门的多个人的理想方法。 它还旨在满足GT Full-stack Flex程序作业要求的标准。 链接到屏幕录像: 学分 这是一个单独的项目,作为佐治亚理工学院Ful
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:74752
    • 提供者:weixin_42102933
  1. Conv-Deconv-神经网络--源码

  2. Conv-Deconv-神经网络- 介绍 该项目使用Pytorch [1]实现Zeiler的方法来可视化反卷积神经网络。 还实现了卷积神经网络以帮助测试结果。 网络使用了预训练的VGG16模型和一些图片。 我希望演示一个示例,该示例使用Pytorch编写多个神经网络来视觉化人们,以及在实际编码中使用CNN理论的实践。 尽管本教程仅显示了如何在VGG16中进行Conv / Deconv神经网络。 人们当然可以浏览整个过程并修改代码以应用新型的模型。 我还将包括一些说明,以帮助人们进行修改以应用他
  3. 所属分类:其它

    • 发布日期:2021-02-10
    • 文件大小:3072
    • 提供者:weixin_42165490
  1. distcc:适用于C,C ++和Objective C的分布式构建-源码

  2. distcc-一个免费的分布式C / C ++编译器系统 马丁·波尔 当前文档: : 正式 Fergus Henderson,Nils Klarlund,Manos Renieris和Craig Silverstein(Google Inc.)添加了“泵”功能 distcc是一个程序,用于在网络上的多台计算机上分发C或C ++代码的编译。 distcc应该始终产生与本地编译相同的结果,易于安装和使用,并且通常比本地编译快两倍或更多倍。 与其他分布式构建系统不同,distcc不需要所有机器
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:1048576
    • 提供者:weixin_42116791
  1. 罗瑟福实验室用较高效率的KrF激光器研究等离子体

  2. 在英国牛津郡罗瑟福实验室,取代用于激光等离子体研究的玻璃激光器的首要短波长候选器件是电子束泵浦的氟化氪激光器。该室的气体激光器研制小组希望在明年年底完成一台称为“Sprite”的100焦耳、60毫微秒KrF激光器,据该小组负责人奥尼尔(Fergus O′Neill)说,能建成在248毫微米处发射短于5毫微秒脉冲的1千焦耳的这种器件,它可能用于准备在80年代中期开始进行的激光等离子体研究。
  3. 所属分类:其它

    • 发布日期:2021-02-08
    • 文件大小:1048576
    • 提供者:weixin_38590996
  1. 交通标志识别:具有STN和大量数据增强功能的PyTorch中的交通标志识别(GTSRB)-源码

  2. 交通标志识别 将交通标志图像识别并分类为来自数据集的43类。 该项目是Rob Fergus领导的纽约大学计算机视觉课程的一部分,并作为Kaggle竞赛进行。 该模型是使用带有IDSIA网络修改版本的Spatial Transformer网络设计的,并使用大量增强的数据进行了训练。 该模型在Kaggle排行榜上达到了约99.5%的测试设置精度,远高于人工精度。 该项目的整个开发过程可以在阅读。 数据 从下载培训和测试文件夹 跑步 项目可以通过两种方式运行,即main.ipynb jupyter
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:235520
    • 提供者:weixin_42129970
  1. drq:博士-源码

  2. DrQ:数据正则化Q 这是DRQ的PyTorch实施 图像增强就是您所需要的:规范从像素进行的深度强化学习 , , 。 *平等贡献。 作者的投币顺序由硬币翻转决定。 引文 如果您在研究中使用此存储库,请考虑按以下方式引用该论文 article{kostrikov2020image, title={Image Augmentation Is All You Need: Regularizing Deep Reinforcement Learning from Pixels}
  3. 所属分类:其它

    • 发布日期:2021-04-01
    • 文件大小:6291456
    • 提供者:weixin_42122306