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. iccv论文集

  2. iccv的一个论文集，搞计算机视觉的可以看看

  3. 所属分类：专业指导

    • 发布日期：2014-05-16
    • 文件大小：20971520
    • 提供者：maofeng412

  1. ICCV 图像分割

  2. ICCV中有关图像分割，论文。可以参考

  3. 所属分类：其它

    • 发布日期：2017-03-10
    • 文件大小：4194304
    • 提供者：yuyangyg

  1. 最近两届计算机视觉会议ICCV的部分论文

  2. 最近两届计算机视觉会议ICCV的部分论文，国际顶尖计算机视觉会议的论文，值得学习

  3. 所属分类：讲义

    • 发布日期：2017-03-26
    • 文件大小：11534336
    • 提供者：sinat_36138358

  1. Mask_R-CNN ICCV会议论文

  2. ICCV 2017 会议获奖论文，作者是近几年新升的学术新星何凯明博士

  3. 所属分类：机器学习

    • 发布日期：2018-04-03
    • 文件大小：1048576
    • 提供者：gcvdsvb

  1. 2015-2017ECCV，ICCV，CVPR神经网络论文

  2. 2015-2017ECCV，ICCV，CVPR神经网络论文，主要在去模糊，图像复原方面

  3. 所属分类：深度学习

    • 发布日期：2018-06-18
    • 文件大小：137363456
    • 提供者：weixin_39755115

  1. ICCV 2017：训练GAN的16个技巧，2400+星（PPT）.pdf

  2. 本文来自ICCV 2017的Talk：如何训练GAN，FAIR的研究员Soumith Chintala总结了训练 GAN的16个技巧，例如输入的规范化，修改损失函数，生成器用Adam优化，使用Sofy和Noisy标签，等等。这 是NIPS 2016的Soumith Chintala作的邀请演讲的修改版本，而2016年的这些tricks在github已经有2.4k星。

  3. 所属分类：深度学习

    • 发布日期：2019-06-11
    • 文件大小：3145728
    • 提供者：qq_31367595

  1. DeepBox, 在 ICCV 2015中，为DeepBox纸张编写代码.zip

  2. DeepBox, 在 ICCV 2015中，为DeepBox纸张编写代码 DeepBox: 使用卷积网络学习 Objectness在加州大学伯克利，由 Weicheng Kuo创建简介快速DeepBox是一个使用的包围框提议。 它在 0.5秒内使用重量轻的4-layer 网络生成state-of-the-

  3. 所属分类：其它

    • 发布日期：2019-09-18
    • 文件大小：2097152
    • 提供者：weixin_38744375

  1. ICCV 2019 Adaptive Wing Loss.pdf

  2. ICCV 2019的一篇文章，该文章结合2018年LAB和Wing Loss两篇文章的优势，针对人脸关键点的点进行heatmap，而后进行点的回归输出。

  3. 所属分类：互联网

    • 发布日期：2020-04-15
    • 文件大小：6291456
    • 提供者：lgh0824

  1. Learning Compact Geometric Features (ICCV 2017).pdf

  2. Learning Compact Geometric Features (ICCV 2017).pdf

  3. 所属分类：深度学习

    • 发布日期：2021-03-24
    • 文件大小：8388608
    • 提供者：lq1021149357

  1. pcl-adversarial-defense:在ICCV 2019中通过限制深度神经网络的隐藏空间进行对抗性防御-源码

  2. 通过限制深层神经网络（ICCV'19）的隐藏空间进行对抗性防御 该存储库是ICCV'19论文《的PyTorch实施，它。 为了对抗对抗性攻击，我们提出了原型一致性损失，以按类别区分深度网络的中间特征。 从图中可以看出，存在这样的对抗样本的主要原因是潜在特征空间中学习特征的紧密接近。 我们提供了用于重现论文结果的脚本。 克隆存储库 将此存储库克隆到所需的任何位置。 git clone https://github.com/aamir-mustafa/pcl-adversarial-defe

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：45088768
    • 提供者：weixin_42133753

  1. DomainIntersectionDifference:Pytorch实现的“域交集和域差异”（ICCV 2019）-源码

  2. 域交集和域差异（ ）。 Pytorch实现“域交集和域差异”（ICCV 2019） 先决条件 Python 2.7 / 3.6 火炬0.4 下载并准备数据 下载celeba数据集。 创建一个celeb目录，并将img_align_celeba文件夹和list_attr_celeba.txt放在其中。 您可以使用提供的脚本preprocess.py将celebA拆分为上述格式（根据您选择的属性使用A和B）。 例如，您可以使用以下命令运行脚本： python preprocess.py -

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：914432
    • 提供者：weixin_42109545

  1. fine-grained-segmentation-networks:ICCV论文的代码“精细划分的细分网络-源码

  2. 细粒度的细分网络：自我监督的细分以改善长期的视觉定位 这是在“细粒度细分网络：自我监督的细分以改善长期视觉本地化”（ ）中发布的工作的实现。 资源 本文使用的数据集发布在visuallocalization.net 训练有素的模型 安装 提供了一个Dockerfile，可使用此文件构建Docker映像，或参考文件中列出的要求。 此外，还提供了requirements.txt。 用法 下载城市景观和枫叶远景 使用/utils/convert_vistas_to_cityscapes.py为Vis

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：66560
    • 提供者：weixin_42160376

  1. USSS_ICCV19:ICCV 2019接受通用半监督语义分割模型代码的论文-源码

  2. USSS_ICCV19 ICCV 2019接受通用半监督语义分割代码。 全文见 。 要求 Python> = 2.6 PyTorch> = 1.0.0 ImageNet预训练的模型是从的存储库下载的。 数据集 城市景观： ： IDD： ： 怎么跑 python segment.py --basedir --lr 0.001 --num-epochs 200 --batch-size 8 --savedir --datasets [ ..] --num-samples

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：38912
    • 提供者：weixin_42099942

  1. ICCV2019_MIC:（ICCV 2019）此存储库包含“ MIC-源码

  2. MIC：挖掘类间特征以改进深度度量学习 编者： 卡斯滕·罗斯（ ） 比亚乔·布拉托利（Biagio Brattoli）（ ） 比约恩·奥默（BjörnOmmer） 主要联系人：Karsten Roth 对于基线实现，请查看和随附的论文！ 该存储库包含用于运行我们的ICCV 2019论文《挖掘类间特征以改进深度度量学习》 （ ）中提出的运行管线的代码。 由于改进了基线方法的实施，因此将该管道用于具有半硬采样的ProxyNCA和Triplet的结果要好于本文中提到的结果。 注意：

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：34816
    • 提供者：weixin_42127937

  1. Counting-with-Focus-for-Free:免费计算重点代码，ICCV，2019年-源码

  2. 专注于免费计数 我们的方法概述 要求 1. CUDA 8.0和Cudnn 7.5或更高版本2. GPU内存10GB或更高3. Python 2.7 4. Tensorflow 1.04或更高版本 数据预处理 数据集 1.上海科技大学A部分和B部分2.特兰科斯3.都柏林细胞计数4.脸部较宽5. UCF-QNRF 密度图生成 根据等式（1）和（7），对于具有密集对象的数据集，即ShanghaiTech Part_A，TRANCOS和UCF-QNRF，我们使用建议的beta = 0.3和k = 5

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：63488
    • 提供者：weixin_42118770

  1. DMM_Net:用于视频对象分割的可区分遮罩匹配网络（ICCV 2019）-源码

  2. DMM-Net：用于视频对象分割的可区分掩码匹配网络（ICCV 2019） 概述 要求： PyTorch 1.1.0 matplotlib 3.0.2 不在requirements.txt中： 赛顿 火炬视觉0.2.2或0.3.0（如果cuda10.0） pycocotools＃（2.0-py3.7-linux-x86_64） 掩膜基准 pyyaml yacs opencv-python scikit-图像 easydict prettytable lmdb列表 安装 关注 数

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1048576
    • 提供者：weixin_42123191

  1. ICCV-2019-Paper-Statistics:接受率的统计和可视化，ICCV 2019主要计算机视觉会议（ICCV）接受论文的关键词-源码

  2. ICCV-2019-纸张统计 接受率的统计和可视化，ICCV 2019的主要关键词为国际计算机视觉会议接受的论文 受启发 ICCV 2019录取率（2013〜2019） 论文总数大大增加了！ （2017年至2019年为100％！） 接受率从30％降低到25％。 ICCV 2019论文关键词统计 热门关键字 图像，对象，检测，3d，视频，分割，对抗，估计，特征等。 分析和可视化代码（Jupyter Notebook） 以上数据可以从简单的jupyter笔记本脚本中获取。 >使用网站数

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1048576
    • 提供者：weixin_42099906

  1. LRF-Net:高速学习丰富的功能以进行单发物体检测，ICCV，2019年-源码

  2. 高速学习丰富的功能以进行单发物体检测 王天才†，饶·穆罕默德·安维尔†，希舍姆·霍克拉卡，法哈德·沙巴兹·汗，庞彦伟，凌少 †表示同等贡献 介绍 单级物体检测方法由于其独特的实时能力和高检测精度而最近受到了广泛的关注。 通常，大多数现有的单级检测器遵循两种常见做法：它们使用在ImageNet上经过预训练的网络主干来进行分类任务，并使用自上而下的特征金字塔表示法来处理比例变化。 与常见的预训练策略相反，最近的工作证明了从头开始进行训练的好处，可以减少分类和本地化之间的任务差距，尤其是在重叠阈值较高

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：251904
    • 提供者：weixin_42129005

  1. Gaussian_YOLOv3：Gaussian YOLOv3：使用定位不确定性进行自动驾驶的精确快速物体检测器（ICCV，2019）-源码

  2. 高斯YOLOv3：使用定位不确定性进行自动驾驶的精确快速物体检测器 此存储库包含我们ICCV 2019 的代码 该算法是基于。 提供的示例权重文件（“ ”）不是本文中使用的权重文件，而是经过新训练的权重，用于发布代码验证。 因为此重量文件比本文中使用的重量更准确，所以我们在存储库中提供了此文件。 海报 引文 InProceedings{Choi_2019_ICCV, author = {Choi, Jiwoong and Chun, Dayoung and Kim, Hyun and Lee

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：6291456
    • 提供者：weixin_42121905

  1. youtube8m-19：Google Research第三届YouTube-8M视频理解挑战赛2019。视频中主题的临时本地化。 国际计算机视觉会议（ICCV）2019-源码

  2. 视频中主题的时间本地化 Google Research x Kaggle 官方Kaggle比赛： ://www.kaggle.com/c/youtube8m-2019 此仓库包含在YouTube-8M数据集上训练和评估机器学习模型的第13位解决方案。 这是我们针对Kaggle上的第三届Youtube8M视频理解挑战的解决方案，并在国际计算机视觉会议（ICCV） 2019上进行了介绍。该代码提供了一个端到端的工作示例，用于读取数据集，训练TensorFlow模型以及评估模型的性能。 请检查

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：4194304
    • 提供者：weixin_42107165
« 12 3 4 5 6 7 8 9 10 »