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. 论文阅读——Deep learning for cardiac image segmentation: A review

  2. 论文阅读之医学图像分割综述 Deep learning for cardiac image segmentation: A review 时间：2019.11 作者：帝国理工/伦敦大学/伯明翰大学 links:https://arxiv.org/abs/1911.03723 医学图像分割综述，从FCN（2014）-DenseUNet(2019) 相关reference较为全面。 摘要： 本文对近百篇心室分割的相关论文进行综述，覆盖了MRI、CT、US等常见的医学图像格式；除此之外还提供了心室分割

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：31kb
    • 提供者：weixin_38680308

  1. eccv2020_paperlist:我的论文摘要-源码

  2. eccv2020_paperlist 图像识别 口服 具有随机特征采样和插值的空间自适应推理 论文： : 概括： MutualNet：通过相互学习从网络宽度和分辨率进行自适应的ConvNet 论文： : 概括： 代码： ： 开放集识别的混合模型 论文： : 概括： 梯度集中化：深度神经网络的一种新的优化技术 论文： : 概括： 代码： ： 多任务学习可增强对抗性 纸： 概括： 聚光灯 重新思考高效移动网络设计的瓶颈结构 论文： : 概括： 负保证金事项：了解很少的分类中的保证金

  3. 所属分类：其它

  1. cutblur:重新考虑数据增强以实现图像超分辨率（CVPR 2020）-源码

  2. 重新考虑数据增强以实现图像超分辨率（CVPR 2020） 该存储库提供了以下论文的官方PyTorch实现： 重新思考图像超分辨率的数据增强：全面分析和新策略* 1 ， * 2 ， 2 *表示相等的贡献。大多数工作在NAVER Corp.中完成。 1个EPFL 2阿久大学 摘要：数据扩充是提高深度网络性能的有效方法。不幸的是，当前的方法主要是针对高级视觉任务（例如分类）而开发的，而针对低级视觉任务（例如图像恢复）的研究很少。在本文中，我们对应用于超分辨率任务的现有增强方法进行了全面分析。我们发

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：13mb
    • 提供者：weixin_42122878

  1. SFM:（ECCV 2020）随机频率掩蔽以改善超分辨率和降噪网络-源码

  2. 随机频率掩蔽可改善超分辨率和降噪网络 作者： ，周若凡和SabineSüsstrunk 前两名作者具有相似的贡献，并且都是联系作者。 - - 摘要：超分辨率和去噪是不适的，但却是基本的图像恢复任务。 在盲环境下，降级内核或噪声级别未知。 这使得恢复甚至更具挑战性，尤其是对于基于学习的方法而言，因为它们倾向于过度适应训练期间出现的退化。 我们在频域中对超分辨率下的退化内核过度拟合进行了分析，并介绍了一种扩展到超分辨率和降噪的条件学习观点。 在我们的公式的基础上，我们提出了用于训练的图像

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：153mb
    • 提供者：weixin_42102358

  1. YOLO-Summary:YOLO系列资料-源码

  2. YOLO-摘要 YOLO原始码： 非常推荐AlexeyAB的darknet改进版论文： yolov3 约洛夫4 约洛夫5 目标检测发展进程： YOLOv3复现代码合集涵盖5种常用深度学习框架： TensorFlow 项目 地狱 火车 星星 √ √ 1837年 √ √ 795 √ X 666 √ √ 272 火炬 项目 地狱 火车 星星 √ √ 2955 √ √ 2686 √ X 2291 √ X 1489 √ √ 1471 √

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：24mb
    • 提供者：weixin_42166623

  1. exp1-源码

  2. 重新思考网络修剪的价值 在以下论文中，该存储库包含用于再现结果的代码和经过训练的ImageNet模型： 重新思考网络修剪的价值。 *，*，，，（*相等贡献）。 ICLR2019。也是NIPS 2018紧凑型深度神经网络研讨会的。 此回购中包含的几种修剪方法的实现方式也可以方便地用于其他研究目的。 论文摘要 图1：典型的三阶段网络修剪管道。 我们的论文表明，对于结构化修剪，与从典型的“训练，修剪和微调”（图1）过程中获得的模型相比，从头开始训练修剪的模型几乎总是可以达到相当或更高的

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：959kb
    • 提供者：weixin_42126668

  1. 多媒体论文阅读：我在“ NTU多媒体分析和索引高级主题”课程中写的论文摘要-源码

  2. 多媒体阅读 我在“ NTU的多媒体分析和索引高级主题”课程中所做的论文摘要。 课程编号：922 U3710 讲师：徐文ston 个人信息 ID（标识号）：R08922A20 名称：洪筱慈 大纲 第一周：数据扩充 带有噪声学生的自我训练可改善ImageNet分类，， 深度学习的图像数据增强研究，

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：12mb
    • 提供者：weixin_42131785

  1. 二次激活函数：深度学习最终项目-源码

  2. ECE472（深度学习）最终项目 二次神经元作为深度神经网络中的激活功能 安德鲁·洛伯（Andrew Lorber）和马克·科斯科夫斯基（Mark Koszykowski） 摘要：我们的深度学习最终项目基于Yaparla Ganesh和Rhishi Pratap Singh在使用二次神经元进行模式分类的研究中进行的一项实验研究。 他们的论文讨论了使用二次（QUAD）神经元来构建二次神经网络，这与多层感知器（MLP）模型中熟悉的线性神经元相反。 本文展示了其二次神经元作为二次激活函数的用途。 在

  3. 所属分类：其它

  1. road_detection_mtl：使用深度学习技术从遥感影像进行道路检测-源码

  2. 遥感影像的道路检测 这是Pantelis Kaniouras毕业项目的官方仓库，该项目用于荷兰代尔夫特理工大学的地理学硕士，题目是“遥感影像中的道路检测” 。 通过单击以下链接，您可以下载论文并阅读有关它的更多信息： : 摘要：道路网络地图有助于我们日常生活中的大量应用。 但是，它们的自动创建是一项艰巨的任务，到目前为止，已发布的方法无法提供可靠的解决方案。 常见且最新的方法是基于卷积神经网络从遥感图像设计道路检测算法，然后进行结果细化后处理步骤。 在这个项目中，我提出了一种深度学习模型，

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：45mb
    • 提供者：weixin_42121905

  1. 强化学习：强化学习算法的实现。 Python，OpenAI Gym，Tensorflow 萨顿书和戴维·西尔弗课程的练习和解决方案-源码

  2. 总览 该存储库提供了流行的强化学习算法的代码，练习和解决方案。 这些旨在作为一种学习工具来补充来自 中的每个文件夹对应于上述教科书和/或课程的一个或多个章节。 除了练习和解决方案之外，每个文件夹还包含学习目标列表，简要概念摘要以及指向相关阅读材料的链接。 所有代码均使用Python 3编写，并使用RL环境。 先进的技术将用于神经网络实现。 目录 （WIP） （WIP） 学习与计划（WIP） 勘探与开发（WIP） 实施算法清单 优先体验重播（WIP）的深度Q学习 连续操作空间（WIP）的确

  3. 所属分类：其它

  1. QuickRef：快速参考有关特定主题的注释及其基本介绍-源码

  2. 广泛使用的框架和概念的快速参考 该存储库仍在开发中，但是其主要目的是提供对应用程序中广泛使用的现有框架和概念的快速浏览。 请注意，这些文件只是其中的实际内容的一瞥。 请参考所提供的链接以获取有关其的详细说明。 提供的链接是内容的来源，而这些说明仅在其中总结了关键概念。 构架： Docker和Docker Swarm Kubernetes Apache生态系统的大数据 Golang介绍 NodeJS中的示例 论文摘要 概念： 计算机网络 机器学习 操作系统 数据分析 异构并行 编译器设计 云

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：16mb
    • 提供者：weixin_42149145

  1. 论文：深度学习论文摘要-源码

  2. 论文：深度学习论文摘要

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：58kb
    • 提供者：weixin_42131013

  1. Deep_Metric:深度度量学习-源码

  2. PyTorch中的深度度量学习 Learn deep metric for image retrieval or other information retrieval. 我们的XBM被提名为2020年CVPR最佳论文。 知乎XBM上的一个博客 我写了一个知乎文章，通俗快速解读了XBM想法动机： 欢迎大家阅读指点！ 推荐最近发表的不是我写的DML优秀论文： 来自康奈尔科技大学和Facebook AI 摘要：过去四年来，深度度量学习论文一直宣称准确性方面取得了长足进步，通常比十年前方法的性能

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：44kb
    • 提供者：weixin_42127754

  1. machine-learning-articles:关于机器学习和深度学习的不同主题的有趣文章列表-源码

  2. 机器学习文章 关于 一个存储库，用于以Github的Issues形式组织机器学习文章的不同主题。这个想法是受有关机器学习论文摘要的启发而。该仓库的文章可以在找到 该仓库的网站可以在找到 动机 您是否曾经阅读过有趣的文章，并希望将其保留在某处以备将来参考或与您的朋友分享？如果您成功地将其保存在文件夹中，将很容易忘记它，并且很难在您的大量文章中找到该特定文章。 解决方案 使用此存储库可以跟踪您最喜欢的文章以及查看人们正在阅读的其他有趣文章。 你为什么要贡献？ 跟踪此存储库中的文章有很多好处： 整理您

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：447kb
    • 提供者：weixin_42163404