中文版 | English

在结果中检索

CASIA OpenIR
（本次检索基于用户作品认领结果）

浏览/检索结果: 共6条，第1-6条 帮助

限定条件                        
已选(0)清除 条数/页：   排序方式：
DF2Net: A Discriminative Feature Learning and Fusion Network for RGB-D Indoor Scene Classification. 会议论文
, New Orleans, USA, 2018.2.2-2.8
作者:  Li Yabei;  Zhang Junge;  Cheng Yanhua;  Huang Kaiqi;  Tan Tieniu
浏览  |  Adobe PDF(24122Kb)  |  收藏  |  浏览/下载：595/74  |  提交时间：2018/01/04
Semi-supervised Multimodal Deep Learning for RGB-D Object Recognition 会议论文
Proc. International Joint Conference on Artificial Intelligence 2016, New York, USA, 2016-07-01
作者:  Yanhua Cheng;  Xin Zhao;  Rui Cai;  Zhiwei Li;  Kaiqi Huang;  Yong Rui
浏览  |  Adobe PDF(1766Kb)  |  收藏  |  浏览/下载：946/350  |  提交时间：2016/12/30
Semi-supervised  
Semi-supervised learning and feature evaluation for RGB-D object recognition 期刊论文
COMPUTER VISION AND IMAGE UNDERSTANDING, 2015, 卷号: 139, 期号: 5, 页码: 149-160
作者:  Cheng, Yanhua;  Zhao, Xin;  Huang, Kaiqi;  Tan, Tieniu
浏览  |  Adobe PDF(3157Kb)  |  收藏  |  浏览/下载：405/122  |  提交时间：2015/10/26
Rgb-d  Object Recognition  Feature Representation  Feature Evaluation  Semi-supervised Learning  
Convolutional fisher kernels for RGB-D object recognition 会议论文
Proc. International Conference on 3D Vision 2015, France, 2015-10-01
作者:  Cheng, Yanhua;  Cai, Rui;  Zhao, Xin;  Huang, Kaiqi;  Kaiqi Huang
浏览  |  Adobe PDF(1413Kb)  |  收藏  |  浏览/下载：253/82  |  提交时间：2016/12/30
Rgb-d  Recognition  Fisher Kernel  Cnn  
Convolutional Fisher Kernels for RGB-D Object Recognition 会议论文
Proc. International Conference on 3D Vision 2015, France, 2015-10-01
作者:  Yanhua Cheng;  Rui Cai;  Xi Zhao;  Kaiqi Huang
浏览  |  Adobe PDF(1413Kb)  |  收藏  |  浏览/下载：325/138  |  提交时间：2016/12/30
Rgb-d    recognition    fisher Kernel    cnn  
Semi-supervised Learning for RGB-D Object Recognition 会议论文
Proc. International Conference on Pattern Recognition 2014, Stockholm, Sweden, 2014-08-01
作者:  Yanhua Cheng;  Xin Zhao;  Kaiqi Huang;  Tieniu Tan
浏览  |  Adobe PDF(645Kb)  |  收藏  |  浏览/下载：310/108  |  提交时间：2016/12/30
Accuracy    cameras    feature Extraction    object Recognition