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. 国际会议排名及IEEE会议介绍.doc

  2. 计算机领域国际会议2019年最新排名及其详细介绍，以及IEEE旗下会议相关信息介绍。

  3. 所属分类：其它

    • 发布日期：2019-08-03
    • 文件大小：61kb
    • 提供者：byygxs015

  1. ICCV2019论文合辑卷四.rar

  2. ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，由IEEE主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议，在业内具有极高的评价。不同于在美国每年召开一次的CVPR和只在欧洲召开的ECCV，ICCV在世界范围内每两年召开一次。ICCV论文录用率非常低，是三大会议中公认级别最高的

  3. 所属分类：机器学习

    • 发布日期：2020-10-08
    • 文件大小：761mb
    • 提供者：CODE_RQ

  1. ICCV2019论文合辑卷三.rar

  2. ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，由IEEE主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议，在业内具有极高的评价。不同于在美国每年召开一次的CVPR和只在欧洲召开的ECCV，ICCV在世界范围内每两年召开一次。ICCV论文录用率非常低，是三大会议中公认级别最高的

  3. 所属分类：机器学习

    • 发布日期：2020-10-08
    • 文件大小：358mb
    • 提供者：CODE_RQ

  1. ICCV2019论文合辑卷二.rar

  2. ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，由IEEE主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议，在业内具有极高的评价。不同于在美国每年召开一次的CVPR和只在欧洲召开的ECCV，ICCV在世界范围内每两年召开一次。ICCV论文录用率非常低，是三大会议中公认级别最高的

  3. 所属分类：机器学习

    • 发布日期：2020-10-08
    • 文件大小：604mb
    • 提供者：CODE_RQ

  1. ICCV2019论文合辑卷一

  2. ICCV2019论文合辑卷一,ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，由IEEE主办，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议，在业内具有极高的评价。不同于在美国每年召开一次的CVPR和只在欧洲召开的ECCV，ICCV在世界范围内每两年召开一次。ICCV论文录用率非常

  3. 所属分类：机器学习

    • 发布日期：2020-10-08
    • 文件大小：406mb
    • 提供者：CODE_RQ

  1. Paper-a-Day:论文集，每天阅读-源码

  2. 一天一纸 为了增加我对不同领域的了解以及阅读和综合论文的能力，我创建了这个存储库。 每天我都会阅读并上传一篇论文（来自任何领域）。 此存储库中的每个文件夹都是一个主要字段（例如Machine Learning），其中可能包含子字段（例如Computer Vision）。 以下是字段/子字段以及相关的论文。 以前，我只会阅读同行评审的作品，虽然我仍然坚持那些原则，但是为了保持在快速发展的领域中的最新动态，阅读预印本的必要性使我感到厌倦。 每个领域的论文都在我完全主观的排名系统中排序。 机器学习：

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：59mb
    • 提供者：weixin_42120275

  1. AdaptSegNet：学习适应结构化输出空间进行语义分割，CVPR 2018（聚焦）-源码

  2. 学习适应结构化输出空间进行语义分割 我们的方法的Pytorch实现，用于从合成数据集（源域）到实际数据集（目标域）适应语义分割。 基于此实施，我们的结果在排名第三。 联系人︰蔡一轩（gmail.com的wasidennis）和洪伟志（uctced dot edu的whung8） 纸 *，*， ， ，和 IEEE 2018年计算机视觉和模式识别会议（CVPR）（聚焦）（*表示同等贡献）。 如果发现对您的研究有用，请引用我们的论文。 inproceedings{Tsai_adaptseg_20

  3. 所属分类：其它