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:
A Large-scale Database for Less Cooperative Iris Recognition 会议论文
, Shenzhen, China, Aug. 4-7, 2021
作者:  Junxing Hu;  Leyuan Wang;  Zhengquan Luo;  Yunlong Wang;  Zhenan Sun
Adobe PDF(2460Kb)  |  收藏  |  浏览/下载:33/13  |  提交时间:2024/05/30
Graph Contrastive Learning with Adaptive Augmentation 会议论文
, Online, 2021-4
作者:  Zhu, Yanqiao;  Xu, Yichen;  Yu, Feng;  Liu, Qiang;  Wu, Shu;  Wang, Liang
Adobe PDF(2989Kb)  |  收藏  |  浏览/下载:182/15  |  提交时间:2022/06/13
Are You Confident That You Have Successfully Generated Adversarial Examples? 期刊论文
IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, 2021, 卷号: 31, 期号: 6, 页码: 2089-2099
作者:  Wang, Bo;  Zhao, Mengnan;  Wang, Wei;  Wei, Fei;  Qin, Zhan;  Ren, Kui
Adobe PDF(2235Kb)  |  收藏  |  浏览/下载:372/46  |  提交时间:2021/08/15
Perturbation methods  Iterative methods  Computational modeling  Neural networks  Security  Training  Robustness  Deep neural networks  adversarial examples  structural black box  buffer  
基于视觉与语言的行人理解 学位论文
, 自动化研究所智能化大厦1610: 中国科学院大学自动化研究所, 2021
作者:  荆雅
Adobe PDF(21773Kb)  |  收藏  |  浏览/下载:364/12  |  提交时间:2021/06/21
情境识别  行人检索  行人分割  多模态对齐  关系学习  
Disentangled Item Representation for Recommender Systems 期刊论文
Transactions on Intelligent Systems and Technology (TIST), 2021, 卷号: 0, 期号: 0, 页码: 0
作者:  Cui Zeyu;  Yu Feng;  Wu Shu;  Liu Qiang;  Wang Liang
Adobe PDF(4552Kb)  |  收藏  |  浏览/下载:225/62  |  提交时间:2021/06/17
Representation learning  Recommender systems  Attribute disentangling  
Motif-aware Sequential Recommendation 会议论文
Proceedings of the 44th International ACM SIGIR Conference on Research and Development in Information Retrieval, Virtual Event, Canada, 2021-7-11
作者:  Cui Zeyu;  Cai Yinjiang;  Wu Shu;  Ma Xibo;  Wang Liang
Adobe PDF(609Kb)  |  收藏  |  浏览/下载:406/81  |  提交时间:2021/06/17
Sequential recommendation  Graph structure  Motif  
基于深度卷积网络的多目标跟踪方法研究 学位论文
工学博士, 中科院自动化研究所智能化大厦: 中科院自动化研究所, 2021
作者:  周宗伟
Adobe PDF(7507Kb)  |  收藏  |  浏览/下载:285/12  |  提交时间:2021/05/28
深度学习  卷积神经网络  在线跟踪  多目标跟踪  实时跟踪