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：
Task-aware adaptive attention learning for few-shot semantic segmentation 期刊论文
NEUROCOMPUTING, 2022, 卷号: 494, 页码: 104-115
作者:  Mao, Binjie;  Wang, Lingfeng;  Xiang, Shiming;  Pan, Chunhong
Adobe PDF(3903Kb)  |  收藏  |  浏览/下载：281/66  |  提交时间：2022/09/19
Few-shot semantic segmentation  Adaptive feature learning  Attention mechanism  Task-aware  
Visual affordance detection using an efficient attention convolutional neural network 期刊论文
NEUROCOMPUTING, 2021, 卷号: 440, 期号: 2021, 页码: 36-44
作者:  Gu, Qipeng;  Su, Jianhua;  Yuan, Lei
Adobe PDF(1561Kb)  |  收藏  |  浏览/下载：321/64  |  提交时间：2021/06/15
Affordance detection  Attention mechanism  Up-sampling layer  
3D-RVP: A method for 3D object reconstruction from a single depth view using voxel and point 期刊论文
NEUROCOMPUTING, 2021, 卷号: 430, 期号: 2021, 页码: 94-103
作者:  Zhao, Meihua;  Xiong, Gang;  Zhou, MengChu;  Shen, Zhen;  Wang, Fei-Yue
Adobe PDF(1476Kb)  |  收藏  |  浏览/下载：290/35  |  提交时间：2021/03/29
3D object reconstruction  Encoder-decoder network  Machine learning  Point prediction network  
Salient object detection based on an efficient End-to-End Saliency Regression Network 期刊论文
NEUROCOMPUTING, 2019, 卷号: 323, 期号: 1, 页码: 265-276
作者:  Xi, Xuanyang;  Luo, Yongkang;  Wang, Peng;  Qiao, Hong
浏览  |  Adobe PDF(3011Kb)  |  收藏  |  浏览/下载：474/86  |  提交时间：2019/01/08
Salient object detection  Saliency regression  Deep convolutional neural networks  Fully convolutional networks  
Depth map upsampling using compressive sensing based model 期刊论文
NEUROCOMPUTING, 2015, 卷号: 154, 页码: 325-336
作者:  Dai, Longquan;  Wang, Haoxing;  Zhang, Xiaopeng
浏览  |  Adobe PDF(3074Kb)  |  收藏  |  浏览/下载：299/98  |  提交时间：2015/09/21
Depth Map  Compressive Sensing  Upsampling  
Robust object removal with an exemplar-based image inpainting approach 期刊论文
NEUROCOMPUTING, 2014, 卷号: 123, 页码: 150-155
作者:  Wang, Jing;  Lu, Ke;  Pan, Daru;  He, Ning;  Bao, Bing-kun
收藏  |  浏览/下载：158/0  |  提交时间：2015/09/18
Object Removal  Image Inpainting  Exemplar  Filling Priority  Similarity  
Determining parameter identifiability from the optimization theory framework: A Kullback-Leibler divergence approach 期刊论文
NEUROCOMPUTING, 2014, 卷号: 142, 期号: 2, 页码: 307-317
作者:  Ran, Zhi-Yong;  Hu, Bao-Gang
Adobe PDF(563Kb)  |  收藏  |  浏览/下载：270/67  |  提交时间：2015/08/12
Identifiability  Optimization Theory  Kullback-leibler Divergence  Hessian Matrix  Jacobian Matrix