CASIA OpenIR

浏览/检索结果: 共13条,第1-10条 帮助

限定条件                    
已选(0)清除 条数/页:   排序方式:
肌肉骨骼机器人神经启发式分层运动学习研究 学位论文
工学博士, 中国科学院自动化研究所: 中国科学院自动化研究所, 2022
作者:  周俊杰
Adobe PDF(25529Kb)  |  收藏  |  浏览/下载:265/17  |  提交时间:2022/06/14
肌肉骨骼机器人系统  神经启发式算法  分层运动学习  行为决策  
精密零件视觉外观检测方法研究 学位论文
, 北京: 中国科学院研究生院, 2018
作者:  孙佳
Adobe PDF(4689Kb)  |  收藏  |  浏览/下载:363/9  |  提交时间:2018/05/31
摄像机标定  表面瑕疵检测  自动检测系统  卷积神经网络  零件测量  
基于生物认知机制的视觉识别模型与算法研究 学位论文
, 北京: 中国科学院研究生院, 2017
作者:  席铉洋
Adobe PDF(21583Kb)  |  收藏  |  浏览/下载:367/6  |  提交时间:2017/06/16
生物认知机制  视觉识别  Hmax 模型  层级模型  机器人  
快速判别性稀疏编码及其在图像识别中的应用 学位论文
, 北京: 中国科学院研究生院, 2015
作者:  姜锐
Adobe PDF(2331Kb)  |  收藏  |  浏览/下载:272/7  |  提交时间:2016/10/27
判别性稀疏编码  机器学习  图像识别  特征提取  
计算机视觉中引入结构信息的点匹配算法研究 学位论文
, 北京: 中国科学院研究生院, 2016
作者:  钱德恒
Adobe PDF(8291Kb)  |  收藏  |  浏览/下载:221/4  |  提交时间:2016/06/21
基于稀疏性和背景先验的视觉显著性研究 学位论文
, 北京: 中国科学院大学, 2016
作者:  罗永康
Adobe PDF(14909Kb)  |  收藏  |  浏览/下载:372/18  |  提交时间:2016/06/20
视觉显著性模型  注视点预测  显著物体检测  稀疏性  背景先验  
复杂场景下基于视觉注意显著性特征目标跟踪方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2015
作者:  刘林山
Adobe PDF(2756Kb)  |  收藏  |  浏览/下载:472/0  |  提交时间:2015/09/02
视觉注意显著性  特征区分度  判别力  自适应性  评价机制  目标跟踪  Visual Attention Saliency  Feature Distinctions Degree  Discriminant  Adaptability  Evaluation Mechanism  Object Tracking  
图匹配模型、算法及其在计算机视觉中的应用 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2014
作者:  杨旭
Adobe PDF(3366Kb)  |  收藏  |  浏览/下载:358/0  |  提交时间:2015/09/02
图匹配  计算机视觉  特征对应  组合优化  高阶约束  结构模式识别  Graph Matching  Computer Vision  Feature Correspondence  Combinatorial Optimization  High-order Constraints  Structural Pattern Recognition  
引入视觉注意机制的目标跟踪方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2013
作者:  黎万义
Adobe PDF(4624Kb)  |  收藏  |  浏览/下载:314/3  |  提交时间:2015/09/02
视觉跟踪  视觉注意  显著性  稀疏编码  Visual Tracking  Visual Attention  Saliency  Sparse Coding  
流形学习与基于稀疏化的半监督分类相关方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2012
作者:  古楠楠
Adobe PDF(2693Kb)  |  收藏  |  浏览/下载:289/0  |  提交时间:2015/09/02
降维  流形学习  半监督学习  半监督分类  稀疏化  机器学习  Dimensionality Reduction  Manifold Learning  Semi-supervised Learning  Semi-supervised Classification  Sparse Representation  Machine Learning