CASIA OpenIR

浏览/检索结果: 共8条,第1-8条 帮助

限定条件                    
已选(0)清除 条数/页:   排序方式:
复杂场景中的运动目标检测方法研究 学位论文
, 北京: 中国科学院研究生院, 2018
作者:  陈盈盈
Adobe PDF(15104Kb)  |  收藏  |  浏览/下载:329/7  |  提交时间:2018/06/01
运动目标检测  背景减除法  背景建模  深度学习  
基于S/T Graph Cuts的目标分割方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2009
作者:  傅玉
Adobe PDF(2232Kb)  |  收藏  |  浏览/下载:173/0  |  提交时间:2015/09/02
目标分割  S/t Graph Cuts  感兴趣区域提取  Object Segmentation  S/t Graph Cuts  Attention Extraction  
基于异质信息的推荐系统研究 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:  袁婷
Adobe PDF(2357Kb)  |  收藏  |  浏览/下载:519/0  |  提交时间:2015/09/02
推荐系统  异质信息  矩阵分解  协同过滤  Recommender Systems  Heterogenous Information  Matrix Factorization  Collaborative Filtering  
基于子空间的多视角学习方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2014
作者:  蒋瑜
Adobe PDF(17239Kb)  |  收藏  |  浏览/下载:585/0  |  提交时间:2015/09/02
多视角学习  子空间学习  概率潜在语义分析  狄里克莱分布  非负矩阵分解  协同过滤  Multi-view Learning  Subspace Learning  Probabilistic Latent Semantic Analysis  Latent Dirichlet Allocation  Nonnegtive Matrix Factorization  Collaborative Filtering  
基于区域的图像理解技术研究及其应用 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:  刘偲
Adobe PDF(11113Kb)  |  收藏  |  浏览/下载:381/0  |  提交时间:2015/09/02
图像理解  图像标注  图像检索  特征选择  图模型  弱监督学习  信息熵  Image Understanding  Image Annotation  Image Retrieval  Feature Selection  Graph Model  Weakly Supervised Learning  Information Entropy  
自然场景下视觉目标跟踪的关键技术研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2010
作者:  马丽莉
Adobe PDF(5277Kb)  |  收藏  |  浏览/下载:197/0  |  提交时间:2015/09/02
目标跟踪  均值漂移  粒子滤波  轮廓跟踪  视觉注意模型  Object Tracking  Mean Shift  Particle Filter  Contour Tracking  Visual Attention Model  
基于局部特征的物体分类关键技术研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2010
作者:  欧阳毅
Adobe PDF(3031Kb)  |  收藏  |  浏览/下载:192/0  |  提交时间:2015/09/02
物体分类  局部特征  局部特征学习  多特征融合  Object Categorization  Local Feature  Local Feature Learning  Multiple Feature Fusion  
基于几何主动轮廓模型和多特征集协作的图像分割研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2008
作者:  李正龙
Adobe PDF(6934Kb)  |  收藏  |  浏览/下载:229/0  |  提交时间:2015/09/02
图像分割  几何主动轮廓模型  多特征集协作  狄利克雷过程  变分贝叶斯  Image Segmentation  Geometric Active Contour  Multiview Learning  Dirichlet Process  Variational Bayes