中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共9条，第1-9条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
基于深度学习的场景光照估计技术 研究报告
2019
作者:  石剑
浏览  |  Adobe PDF(5596Kb)  |  收藏  |  浏览/下载：437/133  |  提交时间：2019/11/21
光照估计  本征图像  逆向渲染  计算机视觉  深度学习  
Efficient and Accurate Face Shape Reconstruction by Fusion of Multiple Landmark Databases 会议论文
, Taipei, Taiwan, 2019-9-22~2019-9-25
作者:  Wang, Pengrui;  Tian, Yi;  Che, Wujun;  Xu, Bo
浏览  |  Adobe PDF(537Kb)  |  收藏  |  浏览/下载：233/91  |  提交时间：2020/09/11
3D Face Reconstruction  Multi Database Fusion  Face Alignment  Deep Learning  
A Unified Multi-output Semi-supervised Network for 3D Face Reconstruction 会议论文
, Budapest, 2019-07
作者:  Wang, Pengrui;  Tian, Yi;  Che, Wujun;  Xu, Bo
浏览  |  Adobe PDF(1744Kb)  |  收藏  |  浏览/下载：264/72  |  提交时间：2020/09/11
基于卷积神经网络的激发荧光断层成像重建算法研究 学位论文
工学硕士学位, 中科科学院大学: 中国科学院大学, 2019
作者:  黄超
Adobe PDF(1947Kb)  |  收藏  |  浏览/下载：292/0  |  提交时间：2019/06/20
激发荧光断层重建， 深度学习， 神经网络， 前向问题， 逆向问题  
基于光学多模分子影像技术的抗肝肿瘤药物疗效评估 学位论文
工程硕士, 中国科学院自动化研究所: 中国科学院大学, 2019
作者:  梁倩
Adobe PDF(4554Kb)  |  收藏  |  浏览/下载：263/1  |  提交时间：2019/06/14
光学多模分子影像，自发荧光断层重建，药效评估，阿帕替尼，索拉菲尼，肝癌  
无肿瘤区域引导的生物自发荧光断层成像重建算法研究 学位论文
, 北京: 中国科学院大学, 2019
作者:  高源
Adobe PDF(7003Kb)  |  收藏  |  浏览/下载：268/7  |  提交时间：2019/06/11
光学分子影像  生物自发荧光断层成像  高斯权重拉普拉斯正则先验  双边权重拉普拉斯正则先验  多层感知机重建模型  
Fast and Robust Reconstruction Method for Fluorescence Molecular Tomography based on Deep Neural Network 会议论文
, The Moscone Center, San Francisco, California, USA, 2019-02-02
作者:  Huang C(黄超);  Meng Hui;  Yuan Gao;  Shixin Jiang;  Kun Wang;  Jie Tian
浏览  |  Adobe PDF(587Kb)  |  收藏  |  浏览/下载：362/147  |  提交时间：2019/04/29
Fluorescence Molecular Tomography, Ill-poseness, Deep Convolution Neural Network, Reconstruction.  
Semi-supervised Ladder Networks for Speech Emotion Recognition 期刊论文
International Journal of Automation and Computing, 2019, 卷号: 16, 期号: 4, 页码: 437-448
作者:  Tao, Jianhua;  Huang, Jian;  Li, Ya;  Lian, Zheng;  Niu, Mingyue
浏览  |  Adobe PDF(1025Kb)  |  收藏  |  浏览/下载：266/59  |  提交时间：2020/06/20
Speech emotion recognition  the ladder network  semi-supervised learning  autoencoder  regularization  
A Hybrid Time Frequency Response and Fuzzy Decision Tree for Non-stationary Signal Analysis and Pattern Recognition 期刊论文
International Journal of Automation and Computing, 2019, 卷号: 16, 期号: 3, 页码: 398-412
作者:  N. R. Nayak;  P. K. Dash;  R. Bisoi
浏览  |  Adobe PDF(1576Kb)  |  收藏  |  浏览/下载：117/39  |  提交时间：2021/02/22
Non-stationary signals  sparse S-transform (SST)  scaling method  fuzzy decision tree  pattern classification.