已选(0)清除
条数/页: 排序方式: |
| Self-similarity Driven Scale-invariant Learning for Weakly Supervised Person Search 会议论文 , 法国巴黎, 2023 年 10 月 2 日 – 2023 年 10 月 6 日 作者: Benzhi Wang ; Yang Yang; Jinlin Wu ; Guo-jun Qi; Zhen Lei![](/image/person.jpg)
Adobe PDF(6488Kb)  |   收藏  |  浏览/下载:46/15  |  提交时间:2024/06/04 行人搜索,行人再识别,弱监督学习,度量学习,伪标签预测 |
| Nested Collaborative Learning for Long-Tailed Visual Recognition 会议论文 , New Orleans Ernest N. Morial Convention Center, 2022-6 作者: Li J(李俊) ; Tan ZC(谭资昌) ; Wan J(万军) ; Lei Z(雷震) ; Guo GD(郭国栋)
Adobe PDF(1178Kb)  |   收藏  |  浏览/下载:70/24  |  提交时间:2024/05/31 |
| A Study of Using Synthetic Data for Effective Association Knowledge Learning 期刊论文 Machine Intelligence Research, 2023, 卷号: 20, 期号: 2, 页码: 194-206 作者: Yuchi Liu; Zhongdao Wang; Xiangxin Zhou; Liang Zheng
Adobe PDF(2006Kb)  |   收藏  |  浏览/下载:62/23  |  提交时间:2024/04/23 Multi-object tracking (MOT) data association synthetic data motion simulation association knowledge learning |
| 复杂场景下的行人再识别方法研究 学位论文 , 2023 作者: 徐博强![](/image/person.jpg)
Adobe PDF(8990Kb)  |   收藏  |  浏览/下载:196/11  |  提交时间:2023/07/04 行人再识别 细粒度检索 跨域检索 遮挡行人再识别 |
| 跨分辨率行人重识别研究 学位论文 , 2023 作者: 韩苛![](/image/person.jpg)
Adobe PDF(10784Kb)  |   收藏  |  浏览/下载:128/5  |  提交时间:2023/06/26 行人重识别 低分辨率 超分辨率 尺度因子 特征融合 |
| 基于生成对抗网络的人体图像生成与编辑 学位论文 , 2023 作者: 赵冰浩![](/image/person.jpg)
Adobe PDF(13457Kb)  |   收藏  |  浏览/下载:124/7  |  提交时间:2023/06/25 图像生成 姿态迁移 人体编辑 生成对抗网络 组件式生成 |
| 面向自动驾驶的平行视觉关键问题研究 学位论文 , 2023 作者: 王建功![](/image/person.jpg)
Adobe PDF(19546Kb)  |   收藏  |  浏览/下载:223/11  |  提交时间:2023/06/25 平行视觉 自动驾驶 人工系统 计算实验 平行执行 平行训练 |
| 面向多种退化场景的图像超分辨率算法研究 学位论文 , 2023 作者: 李尚![](/image/person.jpg)
Adobe PDF(16352Kb)  |   收藏  |  浏览/下载:176/6  |  提交时间:2023/06/08 图像超分辨率 多退化场景 特征融合 可逆流引导 退化估计 |
| 基于自适应细粒度语义对齐的行人重识别研究 学位论文 , 2023 作者: 朱宽![](/image/person.jpg)
Adobe PDF(6509Kb)  |   收藏  |  浏览/下载:136/5  |  提交时间:2023/06/08 行人重识别 语义对齐 伪标签生成 Transformer 网络 自监督学习 |
| 基于特征增强的车辆重识别问题研究 学位论文 , 2023 作者: 钱文![](/image/person.jpg)
Adobe PDF(7526Kb)  |   收藏  |  浏览/下载:214/13  |  提交时间:2023/06/06 车辆重识别 特征增强 知识迁移 隐式特征对齐 生成范式 |