×
验证码:
换一张
忘记密码?
记住我
切换中国科技网通行证登录
×
切换中国科技网通行证登录
登录
中文版
|
English
中国科学院自动化研究所机构知识库
Knowledge Commons of Institute of Automation,CAS
登录
注册
ALL
ORCID
题名
作者
导师
学科领域
关键词
资助项目
文献类型
出处
会议名称
收录类别
出版者
发表日期
存缴日期
学科门类
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
学科分类
知识图谱
新闻&公告
在结果中检索
研究单元&专题
模式识别国家重点实验... [7]
智能感知与计算 [1]
作者
刘成林 [3]
张恒 [1]
顾杰 [1]
殷飞 [1]
李凯 [1]
严冬明 [1]
更多...
文献类型
期刊论文 [8]
发表日期
2022 [1]
2019 [1]
2017 [2]
2014 [2]
2013 [2]
语种
英语 [8]
出处
PATTERN RE... [8]
资助项目
Alibaba Gr... [1]
Beijing Na... [1]
National K... [1]
National N... [1]
National N... [1]
National N... [1]
更多...
收录类别
SCI [8]
导师
资助机构
National N... [2]
60905008 [1]
61273034) [1]
61273269 [1]
61303178) [1]
6141113600... [1]
更多...
×
知识图谱
CASIA OpenIR
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共8条,第1-8条
帮助
限定条件
出处:PATTERN RECOGNITION
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
作者升序
作者降序
提交时间升序
提交时间降序
WOS被引频次升序
WOS被引频次降序
期刊影响因子升序
期刊影响因子降序
题名升序
题名降序
发表日期升序
发表日期降序
Progressive polarization based reflection removal via realistic training data generation
期刊论文
PATTERN RECOGNITION, 2022, 卷号: 124, 页码: 13
作者:
Pang, Youxin
;
Yuan, Mengke
;
Fu, Qiang
;
Ren, Peiran
;
Yan, Dong-Ming
Adobe PDF(4985Kb)
  |  
收藏
  |  
浏览/下载:240/32
  |  
提交时间:2022/02/16
Deep learning
Reflection removal
Polarization
Progressive network
Convolutional neural networks
Blind image quality assessment via learnable attention-based pooling
期刊论文
PATTERN RECOGNITION, 2019, 卷号: 91, 页码: 332-344
作者:
Gu, Jie
;
Meng, Gaofeng
;
Xiang, Shiming
;
Pan, Chunhong
浏览
  |  
Adobe PDF(3081Kb)
  |  
收藏
  |  
浏览/下载:469/179
  |  
提交时间:2019/05/15
Image quality assessment
Perceptual image quality
Visual attention
Convolutional neural network
Learnable pooling
Diagnosing deep learning models for high accuracy age estimation from a single image
期刊论文
PATTERN RECOGNITION, 2017, 卷号: 66, 期号: 1, 页码: 106-116
作者:
Xing, Junhang
;
Li, Kai
;
Hu, Weiming
;
Yuan, Chunfeng
;
Ling, Haibin
浏览
  |  
Adobe PDF(1247Kb)
  |  
收藏
  |  
浏览/下载:701/344
  |  
提交时间:2017/07/18
Age Estimation
Deep Learning
Multi-task Learning
Improving handwritten Chinese text recognition using neural network language models and convolutional neural network shape models
期刊论文
PATTERN RECOGNITION, 2017, 卷号: 2017, 期号: 65, 页码: 251-264
作者:
Wu, Yi-Chao
;
Yin, Fei
;
Liu, Cheng-Lin
浏览
  |  
Adobe PDF(1290Kb)
  |  
收藏
  |  
浏览/下载:1107/492
  |  
提交时间:2017/02/18
Handwritten Chinese Text Recognition
Feedforward Neural Network Language Model
Recurrent Neural Network Language Model
Hybrid Language Model
Convolutional Neural Network Shape Models
Character confidence based on N-best list for keyword spotting in online Chinese handwritten documents
期刊论文
PATTERN RECOGNITION, 2014, 卷号: 47, 期号: 5, 页码: 1880-1890
作者:
Zhang, Heng
;
Wang, Da-Han
;
Liu, Cheng-Lin
浏览
  |  
Adobe PDF(3340Kb)
  |  
收藏
  |  
浏览/下载:287/74
  |  
提交时间:2015/08/12
Online Chinese Handwritten Documents
Keyword Spotting
Posterior Probability
N-best List
Confidence Measure
Confusion Network
Object tracking across non-overlapping views by learning inter-camera transfer models
期刊论文
PATTERN RECOGNITION, 2014, 卷号: 47, 期号: 3, 页码: 1126-1137
作者:
Chen, Xiaotang
;
Huang, Kaiqi
;
Tan, Tieniu
浏览
  |  
Adobe PDF(5083Kb)
  |  
收藏
  |  
浏览/下载:296/89
  |  
提交时间:2015/08/12
Object Tracking
Transfer Models
Color Transfer
Camera Network
Non-overlapping Views
Evaluation of weighted Fisher criteria for large category dimensionality reduction in application to Chinese handwriting recognition
期刊论文
PATTERN RECOGNITION, 2013, 卷号: 46, 期号: 9, 页码: 2599-2611
作者:
Zhang, Xu-Yao
;
Liu, Cheng-Lin
浏览
  |  
Adobe PDF(1095Kb)
  |  
收藏
  |  
浏览/下载:270/94
  |  
提交时间:2015/08/12
Dimensionality Reduction
Large Category
Class Separation Problem
Weighted Fisher Criteria
Class Level
Sample Level
Chinese Handwriting Recognition
Dynamic scene understanding by improved sparse topical coding
期刊论文
PATTERN RECOGNITION, 2013, 卷号: 46, 期号: 7, 页码: 1841-1850
作者:
Fu, Wei
;
Wang, Jinqiao
;
Lu, Hanqing
;
Ma, Songde
浏览
  |  
Adobe PDF(4187Kb)
  |  
收藏
  |  
浏览/下载:261/65
  |  
提交时间:2015/08/12
Motion Patterns
Sparse Topical Coding
Scene Understanding