您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 电脑\主板维修资料大全

  2. 电脑\主板维修资料大全
  3. 所属分类:专业指导

    • 发布日期:2008-04-17
    • 文件大小:1mb
    • 提供者:zsl1984620
  1. 动态桌面快捷方式如迅雷影音 360软件效果代码 demo

  2. ActivatedDesktopIcon ==================== 暴风看电影桌面图标 鼠标放上去后有动态效果,点击后会启动程序。这个程序的目标就是要实现这些功能 使用方法: > 在桌面上创建名字为 zsl.activateicon 的文件夹 > 编译并运行程序 TODO: > 修改现有的bug > 鼠标离开后,没有显示gif的第一张图片 > 拖拽时,不显示指定的背景图片 > 做一个Shell扩展来加载DesktopHook.dll,这样就和
  3. 所属分类:C++

    • 发布日期:2015-12-02
    • 文件大小:58kb
    • 提供者:abc524433
  1. Big.Data.in.Practice.1119231388

  2. The best-selling author of Big Data is back, this time with a unique and in-depth insight into how specific companies use big data. Big data is on the tip of everyone's tongue. Everyone understands its power and importance, but many fail to grasp th
  3. 所属分类:互联网

    • 发布日期:2016-12-16
    • 文件大小:2mb
    • 提供者:ramissue
  1. 外部扩展模块 EFB300 (针对需要 UL 认证的市场)[手册].pdf

  2. 外部扩展模块 EFB300 (针对需要 UL 认证的市场)[手册]pdf,EN A△ △ DANGER Hazardous voltage. Will cause death or serious injury. Turn off and lock out all power supplying this device before working on this device Replace all covers before power supplying this device is tu
  3. 所属分类:其它

  1. A Survey of Zero-Shot Learning(零样本学习综述)

  2. 近年来,零样本学习(ZSL,zero-shot learning)已经在大量的任务中受到了广泛的关注。本文为大家带来了南洋理工大学的零样本学习最新综述,希望对大家有所帮助。 A Survey of Zero-Shot Learning: Settings, Methods, and Applications
  3. 所属分类:深度学习

    • 发布日期:2020-10-07
    • 文件大小:858kb
    • 提供者:qq_30121457
  1. zsl 模型matlab代码

  2. Semantic Autoencoder for Zero-shot Learning 代码 IEEE CVPR 2017的论文
  3. 所属分类:机器学习

    • 发布日期:2020-10-15
    • 文件大小:117mb
    • 提供者:qq_40311008
  1. [CVPR 2018]Discriminative Learning of Latent Features for Zero-Shot Recognition

  2. 文章目录背景贡献模型The Image Feature Network(FNet)The Zoom Network(ZNet)The Embedding Network(ENet)Prediction实验 背景 作者认为当前(2018年前)zero-shot研究的核心主要是在视觉空间和语意空间中学习合适的映射关系,而忽视了学习ZSL问题中 有判别力的表示。几乎所有的模型都有着相似的范式,即通过手工提取图像特征或者通过预训练CNN模型提取图像特征,以及利用人工设计的属性特征作为语意特征。这种范式缺
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:364kb
    • 提供者:weixin_38737213
  1. 对抗性看不见的视觉特征合成,用于零镜头学习

  2. 由于看到的班级和未看到的班级之间的训练数据极端不平衡,因此大多数现有方法在零击学习(ZSL)的艰巨任务中均无法获得令人满意的结果。 为了避免需要看不见的类的标记数据,在本文中,我们研究了如何为ZSL问题综合视觉特征。 关键的挑战是如何在不训练样本的情况下捕获看不见的类的真实特征分布。 为此,我们提出了一个包含随机属性选择(RAS)和条件生成对抗网络(cGAN)的混合模型。 RAS旨在通过属性之间的相关性来学习属性的现实生成。 为了改善对大量类的区分,我们在生成网络中增加了重构损失,这可以解决域移
  3. 所属分类:其它

  1. gcm-cf:[CVPR 2021]已发布反事实零镜头和开放式视觉识别代码-源码

  2. 反事实零射击和开放式视觉识别 该项目为我们的CVPR 2021论文《反事实零热和开放集视觉识别》提供了实现,我们在本文中提出了基于事实的二进制可见/不可见分类器(GCM-CF),用于零热学习(ZSL)和开放集识别(OSR)。 此回购包含 ZSL:强二进制可见/不可见分类器,可与任何ZSL方法即插即用 ZSL:与TF-VAEGAN,RelationNet,GDAN,CADA-VAE,LisGAN,AREN集成 OSR:使用5个固定的随机种子完成基于MNIST,SVHN,CIFAR10,CIFAR
  3. 所属分类:其它