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. 新一代视频压缩编码标准H.264.pdf

  2. 前 言.....................................................................................................................................................2 第1 章绪 论........................................................................................

  3. 所属分类：C++

    • 发布日期：2011-02-16
    • 文件大小：5mb
    • 提供者：heyufei

  1. 翻译 Review on Deep Learning Segmentation （应用于语义分割问题的深度学习技术综述）

  2. 本来想免费的，可惜系统设置了最小资源分是2分。如有侵权请删除。

  3. 所属分类：深度学习

    • 发布日期：2017-10-25
    • 文件大小：3mb
    • 提供者：dingkeyanlail

  1. A Review on Deep Learning Techniques Applied to Semantic Segmentation

  2. 一篇深度学习应用在语义分割方面的综述文章，来自Goole学术

  3. 所属分类：深度学习

    • 发布日期：2018-04-14
    • 文件大小：8mb
    • 提供者：whd520hbababa

  1. 卷积神经网络研究综述

  2. 近年来，卷积神经网络在图像分类、目标检测、图像语义分割等领域取得了一系列突破性的研究成果，其强大的特征学习与分类能力引起了广泛的关注，具有重要的分析与研究价值。首先回顾了卷积神经网络的发展历史，介绍了卷积神经网络的基本结构和运行原理，重点针对网络过拟合、网络结构、迁移学习、原理分析四个方面对卷 积神经网络在近期的研究进行了归纳与分析，总结并讨论了基于卷积神经网络的相关应用领域取得的最新研究成果，最后指出了卷积神经网络目前存在的不足以及未来的发展方向。

  3. 所属分类：深度学习

    • 发布日期：2018-04-20
    • 文件大小：810kb
    • 提供者：meng3chen4

  1. A Review on Deep Learning Techniques Applied to Semantic Segmentation

  2. 基于深度学习的语义分割方法综述，总结的比较全面，值得一读

  3. 所属分类：深度学习

    • 发布日期：2018-05-09
    • 文件大小：8mb
    • 提供者：wangzhefenger

  1. 基于深度学习的图像语义分割算法综述

  2. 自An overview of semantic image segmentation，原作者保留版权。

  3. 所属分类：深度学习

    • 发布日期：2018-12-26
    • 文件大小：3mb
    • 提供者：liangxujian

  1. 2018智能网联汽车发展报告蓝皮书—视觉感知技术发展

  2. 本报告主要介绍面向自动驾驶的视觉感知技术。首先是对自动驾 驶视觉感知发展的行业综述， 介绍了自动驾驶感知技术的发展路 线， 以及视觉传感器在其中的作用； 其次介绍了车载图像传感器 的发展， 包括新型的动态图像传感器、低照度感知能力、像素密 度、动态范围以及其他面向自动驾驶应用的定制化特性； 最后介 绍了视觉感知算法的发展， 包括像素级语义分割及目标检测、基 于视觉的定位与语义地图、传感器融合、视觉计算平台等。

  3. 所属分类：机器学习

  1. 语义分割综述论文合集

  2. 包含 2016 至 2018 年 6 篇语义分割经典综述论文。基本包含了常用的分割网络。

  3. 所属分类：讲义

    • 发布日期：2019-03-10
    • 文件大小：17mb
    • 提供者：qq_20084101

  1. 二值神经网络综述（Binary Neural Networks: A Survey）【北航】.pdf

  2. 在本文中，我们对这些算法进行了全面的概述，主要分为直接进行二值化的本机解决方案，以及使用使量化误差最小化，改善网络损耗函数和减小梯度误差等技术进行优化的解决方案。我们还将研究二进制神经网络的其他实用方面，例如硬件友好的设计和训练技巧。然后，我们对不同的任务进行了评估和讨论，包括图像分类，对象检测和语义分割。最后，展望了未来研究可能面临的挑战。

  3. 所属分类：机器学习

    • 发布日期：2020-04-10
    • 文件大小：849kb
    • 提供者：syp_net

  1. 二值神经网络（Binary Neural Networks）最新综述.md

  2. 知乎转引的此文介绍了来自北京航空航天大学刘祥龙副教授研究团队的最新综述文章 **Binary Neural Networks: A Survey**，合作者包括中国电子科技大学的宋井宽教授和意大利特伦托大学计算机系主任 Nicu Sebe 教授。在阅读基础上，做了.md的笔记。 摘要如下： 神经网络二值化能够**最大程度地降低模型的存储占用和模型的计算量**，将神经网络中**原本 32 位浮点数参数量化至 1 位定点数**，**降低了模型部署的存储资源消耗，同时极大加速了神经网络的推断过程*

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：38kb
    • 提供者：qq_27206435

  1. 图像语义分割综述.rar

  2. 语义分割是一种典型的计算机视觉问题，其涉及将一些原始数据（例如，平面图像）作为输入并将它们转换为具有突出显示的感兴趣区域的掩模。许多人使用术语全像素语义分割（full-pixel semantic segmentation），其中图像中的每个像素根据其所属的感兴趣对象被分配类别ID。

  3. 所属分类：深度学习

  1. 最新《小样本学习》综述教程（来自CVPR 2020）

  2. 在过去的几年里，基于深度学习的方法在图像理解问题上取得了令人印象深刻的效果，如图像分类、目标检测或语义分割。然而，真实字计算机视觉应用程序通常需要模型能够(a)通过很少的注释例子学习，(b)不断适应新的数据而不忘记之前的知识。不幸的是，经典的监督深度学习方法在设计时并没有考虑到这些需求。

  3. 所属分类：机器学习

    • 发布日期：2020-06-20
    • 文件大小：6mb
    • 提供者：syp_net

  1. 基于卷积神经网络的语义分割在医学图像中的应用_吴玉超.pdf

  2. 论文仅供学习和参考。 本文综述了基于 CNN 的语义分割在医学图像领域中的研究进展，回顾了多种经典的语义分割方法及其架构变化，并重点介绍了它们在该领域的贡献和意义。在此基础上，进一步总结和讨论了它们在一些重要的生理与病理解剖结构分割中的应用。最后，本文讨论了语义分割在医学图像领域应用将遭遇的挑战和潜在发展方向。

  3. 所属分类：深度学习

    • 发布日期：2020-09-03
    • 文件大小：1mb
    • 提供者：olivia_ye

  1. 基于深度学习的图像语义分割算法综述

  2. 随着自动驾驶及虚拟现实技术等领域的发展，图像语义分割方法受到越来越多的计算机视觉和机器学习研究人员的关注。首先介绍了图像语义分割领域的常用术语以及需要了解的背景概念，并介绍语义分割问题中几种经典的深度学习算法，如全卷积神经网络(FCN)、Deeplab等。最后针对当前图像语义分割算法的应用，总结展望未来研究方向。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：619kb
    • 提供者：weixin_38608875

  1. [DeepLearning 综述]DeepLearning Segmentation

  2. DeepLearning Segmentation github: awesome semantic segmentation[github] Resources of semantic segmantation based on Deep Learning model[github] 2019语义分割综述[weixin] PointRend: Image Segmentation as Rendering [paper][review] 把语义分割问题以及实例分割问题当做一个图像渲染问题来解

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：51kb
    • 提供者：weixin_38645862

  1. 历史最新的语义分割文献综述报告

  2. 2020年之前最全新的语义分割综述，里面所涉及的论文都是比较经典的。里面对过去的语义分割做了一个系统的总结，方便初学者学习，以及写文献综述

  3. 所属分类：深度学习

    • 发布日期：2021-03-09
    • 文件大小：1mb
    • 提供者：xiong_jun_chen

  1. 关于实时性语义分割的综述研究

  2. 本文主要对2015年以后的语义分割方向的发展做了详细的阐述，以及现阶段的相关问题做了汇总。本研究适用于语义分割方向的入门了解，以及写该方向的文献综述。

  3. 所属分类：深度学习

    • 发布日期：2021-03-08
    • 文件大小：1mb
    • 提供者：xiong_jun_chen

  1. 基于深度学习的图像语义分割算法综述

  2. 本文来自于个人博客，这篇文章讲述卷积神经网络在图像语义分割（semanticimagesegmentation）的应用。图像分割这项计算机视觉任务需要判定一张图片中特定区域的所属类别。更具体地说，图像语义分割的目标是将图像的每个像素所属类别进行标注。因为我们是预测图像中的每个像素，这个任务通常被称为密集预测（denseprediction）。需要注意的一点是我们不对同一类的实例进行分离;我们只关心每个像素的类别。换句话说，如果输入图像中有两个相同类别的对象，则分割图本身并不一定将它们区分为单独的

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：928kb
    • 提供者：weixin_38508126

  1. 三维点云场景数据获取及其场景理解关键技术综述

  2. 场景理解是信息科学里的重要研究内容，而三维(3D)数据相比于二维(2D)数据有着众多优势。目前点云的获取有多种方式，且不同获取方式的点云具有不同的特点，此外，基于点云的3D场景理解中的关键技术研究还没有完整、系统的综述。为此，总结了不同方式的点云获取方法，并对不同的点云数据及相关数据库进行对比分析。基于目前3D场景理解的研究进展，针对3D场景理解中的点云滤波、特征提取与点云分割和点云语义分割等技术进行了对比分析与总结。通过对近些年国内外文献的结论进行梳理，凝练出3D场景理解关键技术中存在的问题，

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：19mb
    • 提供者：weixin_38558870

  1. 基于深度学习的图像语义分割算法综述

  2. 本文来自于个人博客，这篇文章讲述卷积神经网络在图像语义分割（semantic imagesegmentation）的应用。图像分割这项计算机视觉任务需要判定一张图片中特定区域的所属类别。更具体地说，图像语义分割的目标是将图像的每个像素所属类别进行标注。因为我们是预测图像中的每个像素，这个任务通常被称为密集预测（dense prediction）。需要注意的一点是我们不对同一类的实例进行分离;我们只关心每个像素的类别。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：926kb
    • 提供者：weixin_38696336
« 12 »