CASIA OpenIR

浏览/检索结果: 共483条,第1-10条 帮助

已选(0)清除 条数/页:   排序方式:
基于拉普拉斯分布的双目视觉里程计 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 3, 页码: 865-876
作者:  范涵奇;  吴锦河
Adobe PDF(11348Kb)  |  收藏  |  浏览/下载:1/0  |  提交时间:2024/05/20
视觉里程计  运动估计  光流  拉普拉斯分布  
卷积神经网络表征可视化研究综述 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 8, 页码: 1890-1920
作者:  司念文;  张文林;  屈丹;  罗向阳;  常禾雨;  牛铜
Adobe PDF(36687Kb)  |  收藏  |  浏览/下载:0/0  |  提交时间:2024/05/20
深度学习  卷积神经网络  可解释性  表征可视化  显著图  
基于多重注意结构的图像密集描述生成方法研究 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 10, 页码: 2537-2548
作者:  刘青茹;  李刚;  赵创;  顾广华;  赵耀
Adobe PDF(5134Kb)  |  收藏  |  浏览/下载:2/1  |  提交时间:2024/05/20
图像密集描述  多重注意结构  多尺度特征环路融合  多分支空间分步注意力  
基于单字符注意力的全品类鲁棒车牌识别 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 1, 页码: 122-134
作者:  穆世义;  徐树公
Adobe PDF(5048Kb)  |  收藏  |  浏览/下载:27/7  |  提交时间:2024/05/09
车牌识别  注意力机制  字符分割  字符分类  
基于多模型融合的肺部CT新冠肺炎病灶区域自动分割 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 2, 页码: 317-328
作者:  史天意;  程枫;  李震;  郑传胜;  许永超;  白翔
Adobe PDF(10146Kb)  |  收藏  |  浏览/下载:8/3  |  提交时间:2024/05/09
新冠肺炎  计算机断层扫描影像分割  深度学习  泛化性能  
基于边缘特征增强的任意形状文本检测网络 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 5, 页码: 1019-1030
作者:  白鹤翔;  王浩然
Adobe PDF(3157Kb)  |  收藏  |  浏览/下载:7/3  |  提交时间:2024/05/09
场景文本检测  任意形状  边缘区域  浅层特征  渐进尺度扩张网络  
基于无锚框的目标检测方法及其在复杂场景下的应用进展 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 7, 页码: 1369-1392
作者:  刘小波;  肖肖;  王凌;  蔡之华;  龚鑫;  郑可心
Adobe PDF(24186Kb)  |  收藏  |  浏览/下载:16/6  |  提交时间:2024/04/25
无锚框  关键点  中心点  Transformer  复杂场景  目标检测  
基于重组性高斯自注意力的视觉Transformer 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 9, 页码: 1976-1988
作者:  赵亮;  周继开
Adobe PDF(29103Kb)  |  收藏  |  浏览/下载:7/2  |  提交时间:2024/04/24
Transformer  局部自注意力  混合高斯权重重组  图像分类  目标检测  
基于可解释注意力部件模型的行人重识别方法 期刊论文
自动化学报, 2023, 卷号: 49, 期号: 10, 页码: 2159-2171
作者:  周勇;  王瀚正;  赵佳琦;  陈莹;  姚睿;  陈思霖
Adobe PDF(22977Kb)  |  收藏  |  浏览/下载:19/8  |  提交时间:2024/04/24
行人重识别  注意力机制  可解释深度学习  部件模型  
Deep Industrial Image Anomaly Detection: A Survey 期刊论文
Machine Intelligence Research, 2024, 卷号: 21, 期号: 1, 页码: 104-135
作者:  Jiaqi Liu;  Guoyang Xie;  Jinbao Wang;  Shangnian Li;  Chengjie Wang;  Feng Zheng;  Yaochu Jin
Adobe PDF(3376Kb)  |  收藏  |  浏览/下载:18/4  |  提交时间:2024/04/23
Image anomaly detection, defect detection, industrial manufacturing, deep learning, computer vision