中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共7条，第1-7条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
类脑心理揣测脉冲神经网络模型研究 学位论文
, 2024
作者:  zhao Zhuo ya
Adobe PDF(23946Kb)  |  收藏  |  浏览/下载：1/0  |  提交时间：2024/06/04
类脑心理揣测模型  脉冲神经网络  多智能体社会交互  区分自我和他人  
融合传统特征知识的深度学习图像特征点提取与匹配 学位论文
, 2024
作者:  傅禹杰
Adobe PDF(41077Kb)  |  收藏  |  浏览/下载：18/3  |  提交时间：2024/06/04
图像匹配  关键点检测  局部描述子提取  局部显著性知识  深度学习  
室内环境下基于视觉的移动机器人抓取研究 学位论文
, 2024
作者:  任广力
Adobe PDF(44501Kb)  |  收藏  |  浏览/下载：32/1  |  提交时间：2024/05/29
移动机器人抓取  视觉SLAM  小样本物体检测  抓取检测  卷积神经网络  
Enhance the Performance of Directional Feature-based Palmprint Recognition by Directional Response Stability Measurement 期刊论文
Machine Intelligence Research, 2024, 卷号: 21, 期号: 3, 页码: 597-614
作者:  Haitao Wang;  Wei Jia
Adobe PDF(1236Kb)  |  收藏  |  浏览/下载：40/13  |  提交时间：2024/05/23
Biometrics, palmprint recognition, directional response stability, directional coding-based methods, directional feature  
Parsing Objects at a Finer Granularity: A Survey 期刊论文
Machine Intelligence Research, 2024, 卷号: 21, 期号: 3, 页码: 431-451
作者:  Yifan Zhao;  Jia Li;  Yonghong Tian
Adobe PDF(1743Kb)  |  收藏  |  浏览/下载：8/6  |  提交时间：2024/05/23
Finer granularity, visual parsing, part segmentation, fine-grained object recognition, part relationship  
Boosting Multi-modal Ocular Recognition via Spatial Feature Reconstruction and Unsupervised Image Quality Estimation 期刊论文
Machine Intelligence Research, 2024, 卷号: 21, 期号: 1, 页码: 197-214
作者:  Zihui Yan;  Yunlong Wang;  Kunbo Zhang;  Zhenan Sun;  Lingxiao He
Adobe PDF(3457Kb)  |  收藏  |  浏览/下载：19/4  |  提交时间：2024/04/23
Iris recognition, periocular recognition, spatial feature reconstruction, fully convolutional network, flexible matching, unsupervised iris quality assessment, adaptive weight fusion  
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：26/4  |  提交时间：2024/04/23
Image anomaly detection, defect detection, industrial manufacturing, deep learning, computer vision