CASIA OpenIR

浏览/检索结果: 共83条,第1-10条 帮助

已选(0)清除 条数/页:   排序方式:
Depth-Guided Vision Transformer With Normalizing Flows for Monocular 3D Object Detection 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 3, 页码: 673-689
作者:  Cong Pan;  Junran Peng;  Zhaoxiang Zhang
Adobe PDF(37784Kb)  |  收藏  |  浏览/下载:42/17  |  提交时间:2024/02/19
Monocular 3D object detection  normalizing flows  Swin Transformer  
Learning by Seeing More Classes 期刊论文
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022, 卷号: 45, 期号: 6, 页码: 7477-7493
作者:  Fei Zhu;  Xu-Yao Zhang;  Rui-Qi Wang;  Cheng-Lin Liu
Adobe PDF(2561Kb)  |  收藏  |  浏览/下载:99/36  |  提交时间:2023/09/12
Class augmentation  generalization  confidence estimation  open-environment learning  
Rethinking Confidence Calibration for Failure Prediction 会议论文
, Virtual, October 23-27, 2022
作者:  Fei Zhu;  Zhen Cheng;  Xu-Yao Zhang;  Cheng-Lin Liu
Adobe PDF(10583Kb)  |  收藏  |  浏览/下载:262/190  |  提交时间:2023/09/12
对抗生成式模仿学习方法研究 学位论文
, 2023
作者:  关伟凡
Adobe PDF(7227Kb)  |  收藏  |  浏览/下载:93/5  |  提交时间:2023/06/29
强化学习  模仿学习  对抗生成训练  次优专家样本  基于观测的模仿学习  
基于域迁移的立体匹配方法研究 学位论文
, 2023
作者:  张承灏
Adobe PDF(18423Kb)  |  收藏  |  浏览/下载:139/9  |  提交时间:2023/06/29
立体匹配  域迁移  多任务学习  多模态学习  连续学习  
基于自监督学习的单目深度估计方法研究 学位论文
, 2023
作者:  周正铭
Adobe PDF(22570Kb)  |  收藏  |  浏览/下载:139/7  |  提交时间:2023/06/19
单目深度估计  自监督学习  深度神经网络  
面向神经切片的电镜像质提升方法研究 学位论文
, 2023
作者:  王泽锦
Adobe PDF(81291Kb)  |  收藏  |  浏览/下载:108/4  |  提交时间:2023/06/11
电镜像质提升  自监督去噪  序列切片插帧  各向同性重建  
基于图像和点云融合的3D目标检测方法研究 学位论文
, 2023
作者:  张永昌
Adobe PDF(6879Kb)  |  收藏  |  浏览/下载:151/7  |  提交时间:2023/05/29
3D目标检测  图像和点云  注意力融合  时空数据关联  目标追踪  
面向隐私保护的深度学习研究 学位论文
, 2023
作者:  程安达
Adobe PDF(10596Kb)  |  收藏  |  浏览/下载:146/2  |  提交时间:2023/05/24
隐私保护,深度学习,差分隐私,网络结构搜索,联邦学习  
Deep Domain-Adversarial Anomaly Detection With One-Class Transfer Learning 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2023, 卷号: 10, 期号: 2, 页码: 524-546
作者:  Wentao Mao;  Gangsheng Wang;  Linlin Kou;  Xihui Liang
Adobe PDF(25706Kb)  |  收藏  |  浏览/下载:582/40  |  提交时间:2023/01/16
Anomaly detection  domain adaptation  domain-adversarial training  one-class classification  transfer learning