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. 基于深度学习的暴力检测及人脸识别方法研究

  2. 随着“平安城市”建设的不断推进，公共安全逐渐成为人们关注的热点间 题，税频监控技术也随之得到了越来越广泛的应用，传统的视频监控系统主要提供采集存储功能，这远远无法满足人们对其智能化的需求。要实现智能化的视频监控系统，以下几个关键问题亟需解决：（1）如何快速发现监控视频中的异常行为，及时给出警报，并最大限度地减少误报和漏报现象；（2）如何在多种不利因素下（如羊样本，低分辨率）对可疑目标进行准确的识别分析：（3）在海量数据的情况下，如何确保视频分析系统的实时性及准确性。 近年来，深度学习在机器视觉、

  3. 所属分类：硬件开发

    • 发布日期：2018-12-28
    • 文件大小：10mb
    • 提供者：weixin_44102991

  1. 图像融合 CNN.zip

  2. 这是基于深度学习的图像融合源码。下载解压后直接运行。

  3. 所属分类：机器学习

    • 发布日期：2020-05-16
    • 文件大小：9mb
    • 提供者：jeffsonfu

  1. 鲁棒深度学习.zip

  2. 人物图像建模、人物匹配、多源数据融合、相关数据集构建等核心想法与技术，期待上述资源能为相关研究人员打开思路，在该领域上持续进行研究奠定基础。

  3. 所属分类：深度学习

  1. 人体图像生成和衣服虚拟试穿；鲁棒深度学习；图像风格迁移等.pdf

  2. 人体图像生成和衣服虚拟试穿；鲁棒深度学习；图像风格迁移等。尤其是第一个topic，这是一个新颖且十分有意思的课题，涉及到人物图像建模、人物匹配、多源数据融合、相关数据集构建等核心想法与技术，期待上述资源能为相关研究人员打开思路，在该领域上持续进行研究奠定基础。

  3. 所属分类：机器学习

    • 发布日期：2020-01-16
    • 文件大小：10mb
    • 提供者：syp_net

  1. 《如何融合领域知识到深度学习中》 - 20190304-Russ.pdf.zip

  2. CMU的Russ Salakhutdinov教授在第十三届年度机器学习研讨会（13th Annual Machine Learning）上完成一场题为"Integrating domain-knowledge into deep learning"的学术报告，详细介绍了各种类型的“知识（knowledge）”在阅读理解、问答、图像生成等领域，RNN、GCN等算法中的相关应用方式。

  3. 所属分类：机器学习

    • 发布日期：2019-10-31
    • 文件大小：4mb
    • 提供者：syp_net

  1. 基于深度学习的人体行为识别算法

  2. 为改善人体行为识别任务中准确率低的问题，提出了一种基于批归一化的卷积神经网络（CNN）与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想，将输入网络的训练样本进行小批量归一化处理，经过全连接之后，送入长短期记忆神经网络中。该算法采用时空双流网络模型结构，视频数据的RGB图像作为空间流网络输入，光流场图像作为时间流网络输入，再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果。实验结果表明，本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：603kb
    • 提供者：weixin_38670391

  1. Pathofusion:基于深度学习的多模态组织病理学图像识别和融合框架-源码

  2. 病态融合 基于深度学习的多模态组织病理学图像识别和融合框架 好消息！ （3/5/2021） 标签网站的源代码现已发布，请查看文件夹“ LabelingWebsite”或访问独立的代码库： : 标记网站的升级：支持IHC /融合热图的叠加，并标记非常大的病理图像（超过60,000x60,000；剪切），请参阅网站的新演示视频： ://cloudstor.aarnet.edu 使用标签网站的重要提示：必须使用Edge旧版（其他Web浏览器，包括新的Edge在处理大图像时会出现问题） 要使

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：386mb
    • 提供者：weixin_42133680

  1. 红外与可见光图像融合基于区域的深度学习方法

  2. 红外与可见光图像融合基于区域的深度学习方法

  3. 所属分类：其它

  1. ANTsPyNet：融合ANTsPy和深度学习的医学图像分析框架-源码

  2. 蚂蚁网络 深度学习架构和应用程序的集合，已移植到用于基本医学图像处理的python语言和工具中。 基于keras和tensorflow与我们的研发模拟交叉兼容性 。 文档页面 。 建筑学 图像三维分割/回归 图像分类/回归 物体检测 图像超分辨率 注册和转换 生成逆向网络 聚类 应用领域 MRI超分辨率 多模式脑提取 T1 T1 天赋 T2 F A 大胆的 肺提取 电脑断层扫描 六组织Atropos脑分割 深度闪光 Desikan-Killiany-Tourville皮质标

  3. 所属分类：其它

  1. 泛锐化的多尺度密集深度学习方法

  2. Pansharpening的目的是通过融合较低分辨率多光谱（LRMS）图像中的光谱信息和相应的高分辨率全色（PAN）图像中的空间信息来产生高分辨率多光谱（HRMS）图像。 在这项工作中，我们提出了一种基于多尺度密集深度学习的泛锐化方法。 遵循端到端的学习架构，提出的深度神经网络包含三个模块：1）使用并行多尺度卷积层提取PAN图像的多尺度特征； 2）采用全局标识分支结构保存频谱结构； 3）集成了一个密集的学习块，以提高频谱空间的表达能力。 与其他最新方法相比，我们提出的方法获得的实验结果在可视化和

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：359kb
    • 提供者：weixin_38659812

  1. 基于深度学习的多模光纤散射介质成像重建

  2. 多模光纤是一种厚散射介质,当目标图像经过多模光纤传输时将形成多种模式耦合,从而在光纤的输出端生成散斑图案。基于深度学习对多模光纤成像进行复原,解决了厚散射介质成像失真的问题。采用DenseUnet,并以散斑图样作为模型的输入来重建目标图像。DenseUnet模型采用融合机制加深了网络的深度,提高了重建的准确性,并具有很好的鲁棒性。实验结果表明,DenseUnet可以很好地对具有不同长度的多模光纤产生的散斑图像进行重建。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：13mb
    • 提供者：weixin_38685832

  1. 基于线阵图像深度学习的电池组焊缝瑕疵检测

  2. 为实现对激光焊缝质量的高效检测,引入了线阵图像传感解决在线检测问题,提出了一种基于深度学习的焊缝瑕疵快速检测方法。首先,针对激光焊缝瑕疵,优化了基于YOLO(You only look once)的深度学习网络。其次,在实验数据集中加入了合适的锚框,以提高检测框定位信息的准确度,并通过多尺度特征融合技术提高了瑕疵的识别准确度。最后,制作数据集并提出了一种数据集预处理方法训练网络,提升了瑕疵的识别效果。实验结果表明,本方法对焊缝单孔、穿孔、凹槽瑕疵的总识别率大于94%,对尺寸为4096pixel×

  3. 所属分类：其它

  1. 基于双域分解的多尺度深度学习单幅图像去雾

  2. 针对传统单幅图像去雾算法容易受到雾图先验信息制约而导致颜色失真,以及现有深度学习去雾算法受网络模型限制而存在去雾残留等问题,提出了一种基于双域分解的多尺度深度学习单幅图像去雾方法,设计了一个包含低频去雾子网和高频去雾子网的多尺度深度学习网络模型。首先采用双边滤波器对有雾图像进行分解,得到雾图的高、低频子图,然后通过设计的网络模型分别学习雾图高、低频子图与高、低频透射率之间的映射关系,再将模型学习得到的高、低频透射率进行融合,得到原始雾图对应的场景透射率图,最后根据大气散射模型实现有雾图像到无雾图

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：22mb
    • 提供者：weixin_38735804

  1. 基于深度学习和最大相关最小冗余的火焰图像检测方法

  2. 为了解决基于浅层特征的火焰识别模型对环境变化敏感且鲁棒性较低的问题,提出了一种基于卷积神经网络串行特征融合模型与最大相关最小冗余(MRMR)的火焰图像检测方法。为了从有限样本集中训练卷积神经网络获取更加全局性的特征,对使用预训练方法提取的火焰图像深层特征进行串行融合;再针对融合后的特征维度高、冗余大且未包含动态特征的问题,利用MRMR特征选择算法,去除与火焰相关性低的特征,获得相关性高的串行特征后与动态特征进行融合,得到最优子集的重构特征向量;最后通过支持向量机分类器完成对火焰目标的检测。实验结

  3. 所属分类：其它

  1. 基于深度学习的高光谱图像空-谱联合特征提取

  2. 由于高光谱遥感数据具有波段多、特征非线性、空间相关等特点, 提出一种基于深度学习的空-谱联合(SSDL)特征提取算法来有效提取数据中的空-谱特征。该算法利用多层深度学习模型--堆栈自动编码机对高光谱数据进行逐层学习, 挖掘图像中的深层非线性特征, 然后再根据每个特征像元的空间近邻信息, 对样本深度特征和空间信息进行空-谱联合, 增加同类数据聚集性和非同类数据分散度, 提升后续分类性能。在帕维亚大学和萨利纳斯山谷高光谱数据集上进行地物分类实验: 在1%样本比例下, 地物总体分类精度达到了91.05

  3. 所属分类：其它

  1. 基于深度学习的红外与可见光决策级融合跟踪

  2. 提出了一种基于深度学习的红外与可见光决策级融合跟踪方法。通过建立参数传递模型，从现有基于深度学习的检测模型中抽取指定对象的可见光检测模型，作为红外检测的预训练模型，在采集的红外图像数据集上进行微调训练，得到基于深度学习的红外检测模型。在此基础上，建立了基于深度学习的红外与可见光决策级融合跟踪模型，进行了单波段跟踪与双波段融合跟踪对比实验。结果表明，所提方法跟踪精度和成功率比单波段跟踪均有所提升，具有较好的稳健性。

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：10mb
    • 提供者：weixin_38575118

  1. 融合深度学习聚类分割和形态学的混凝土表面裂缝量化识别

  2. 混凝土结构在施工与使用的过程中易产生各种形式的裂缝,由此会产生诸多安全问题。传统的人工安全检测方法,不仅耗费财力和时间,而且无法保障其检测精度。为了提高混凝土表面裂缝的识别效率,提出了一种基于卷积神经网络结合聚类分割的识别方法,实现了对较复杂背景下混凝土表面裂缝图像的准确识别。研究结果显示,该方法不仅能够高效地分类,还能够高精度地对较复杂背景下的裂缝进行识别,这为降低混凝土表面裂缝识别的工作量、维护混凝土结构,对其进行安全检测提供了理论依据,同时也为以后更高精度和更复杂条件下的裂缝识别研究提供了

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：12mb
    • 提供者：weixin_38717031

  1. jetson-inference：Hello AI World指南，介绍如何使用TensorRT和NVIDIA Jetson部署深度学习推理网络和深度视觉原语-源码

  2. 部署深度学习 欢迎使用我们的NVIDIA 推理和实时库指导手册。 此使用NVIDIA 将神经网络有效地部署到嵌入式Jetson平台上，通过图形优化，内核融合和FP16 / INT8精度提高了性能和能效。 视力原语，如图像识别， 物体检测，并用于语义分割，继承从共享对象。 提供了一些示例，用于从实时摄影机供稿进行流式处理并处理图像。 有关C ++和Python库的详细参考文档，请参见部分。 遵循教程，在Jetson上运行推理和转移学习，包括收集自己的数据集和训练自己的模型。 它涵盖了图像分类

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：71mb
    • 提供者：weixin_42168745

  1. 一种基于深度学习的多聚焦图像融合算法

  2. 针对深度学习在计算机视觉上的良好表现，提出一种基于深度学习的多聚焦图像融合算法，在原有的AlexNet网络模型基础上改进了卷积核大小、步长等；利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块；使用矫正矩阵矫正了误判图像块，并细分、修复了融合后的图像聚焦与散焦分界区域，得到了融合图像；选取6组多聚焦图像验证了本文算法的有效性。实验结果表明：与其他算法相比, 运用本文算法进行图像融合，能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：18mb
    • 提供者：weixin_38731385

  1. 基于深度学习特征融合的视网膜图像分类

  2. 针对光学相干层析视网膜图像进行人工分类诊断时存在漏检、效率低等问题,提出一种基于深度学习技术构建联合多层特征的卷积神经网络分类算法。首先通过均值漂移和数据归一化算法对视网膜图像进行预处理,并结合损失函数加权算法解决数据不平衡问题;其次使用轻量深度可分离卷积替代普通卷积层,降低模型参数量,采用全局平均池化替换全连接层,增加空间鲁棒性,并联合不同卷积层构建特征融合层,加强层间特征流通;最后使用SoftMax分类器进行图像分类。实验结果表明,该模型在准确率、精确率、召回率上分别达到97%、95%、97

  3. 所属分类：其它

« 12 3 4 »