![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
paper
文章平均质量分 84
quaner2557
这个作者很懒,什么都没留下…
展开
-
图像特征学习与分类方法研究
基于深度学习的图像特征学习和分类方法的研究及应用华南理工 冯子勇研究现状:1. 单层特征编码2. 深度学习深度玻尔兹曼机 卷积神经网络 Ioffe 和 Szegedy提出了块归一化(Batch Normalization, BN)技术。该技术用在激活函数之前对样本不同维度之间进行减均值除方差的归一化操作,他们从理论和实践上证明这样的操作能够使网络收敛速度加快,即使不用Dropout也原创 2017-10-12 13:40:27 · 3734 阅读 · 0 评论 -
DenseNet note
Densely Connected Convolutional Networks[链接] (http://xueshu.baidu.com/s?wd=paperuri%3A%28c8482c3b8fed1b2a8adc6189ffef3ec3%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Farxiv.o原创 2017-10-12 14:01:43 · 433 阅读 · 0 评论 -
Signet170710
SigNet: Convolutional Siamese Network for Writer Independent Offline Signature Verification[论文链接]:https://arxiv.org/pdf/1707.02131.pdf Q note 2017.7.10摘要本文主要是做离线签名的识别,真假签名往往差距很小,这里主要用了一种siamese的网络结构,原创 2017-10-12 14:03:52 · 443 阅读 · 1 评论 -
SAR图像目标识别技术研究170713
SAR图像目标识别技术研究西安电子科技大学硕士论文 / 2015.3 Q note 2017.07.13研究背景 合成孔径雷达(Synthetic Aperture Radar,SAR)是一种微波遥感成像雷达,与光学、红外等雷达相比,它的成像受气候等条件的限制程度小,具有全天时、全天候、多视角和高分辨率等特点。十九世纪晚期,雷达的距离分辨力水平可以达到小于一百五十米,但是当雷达与目标之间的距离原创 2017-10-12 14:04:16 · 7112 阅读 · 0 评论 -
ORSI特征检测综述
A Survey on Object Detection in Optical Remote Sensing ImagesGong Cheng, Junwei Han*Q note 2017.10.12Abstract将270篇论文分成四类: 1. 基于模板匹配的对象检测方法 2. 基于知识的对象检测 3. 基于对象的图像分析(OBIA)的对象检测方法 4. 基于机器学习的对象检测方法并su原创 2017-10-16 19:13:53 · 1086 阅读 · 0 评论 -
daily paper系列1: ExFuse: Enhancing Feature Fusion for Semantic Segmentation
ExFuse: Enhancing Feature Fusion for Semantic Segmentationhttps://arxiv.org/pdf/1804.03821.pdf Face++ 出品 Q note 2018.4.19 摘要简单地融合高低层次特征并不是很有效率,这里提出将分割信息加入低层次特征,将空间信息引入高层次特征,能把分割质量提高4.0%....原创 2018-04-19 13:36:28 · 1700 阅读 · 0 评论