中文版 | English

在结果中检索

CASIA OpenIR

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：
Spatio-Temporal Graph Structure Learning for Traffic Forecasting 会议论文
, New York, USA, 2020-02
作者:  Zhang Qi;  Chang Jianlong;  Meng Gaofeng;  Xiang Shiming;  Pan Chunhong
Adobe PDF(541Kb)  |  收藏  |  浏览/下载：182/35  |  提交时间：2021/05/31
Local-Aggregation Graph Networks 期刊论文
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2020, 卷号: 42, 期号: 11, 页码: 2874-2886
作者:  Jianlong Chang;  Lingfeng Wang;  Gaofeng Meng;  Shiming Xiang;  Chunhong Pan
浏览  |  Adobe PDF(3090Kb)  |  收藏  |  浏览/下载：226/86  |  提交时间：2020/10/20
Local-aggregation function  local-aggregation graph neural network  non-Euclidean structured signal  
Weakly Semantic Guided Action Recognition 期刊论文
IEEE TRANSACTIONS ON MULTIMEDIA, 2019, 卷号: 21, 期号: 10, 页码: 2504-2517
作者:  Yu, Tingzhao;  Wang, Lingfeng;  Da, Cheng;  Gu, Huxiang;  Xiang, Shiming;  Pan, Chunhong
浏览  |  Adobe PDF(18774Kb)  |  收藏  |  浏览/下载：407/108  |  提交时间：2019/05/15
Semantic guided module  action recognition  cross domain  3D convolution  attention model  
RENAS: Reinforced Evolutionary Neural Architecture Search 会议论文
, 美国洛杉矶长滩, 2019-6-16
作者:  Chen, Yukang;  Meng, Gaofeng;  Zhang, Qian;  Xiang, Shiming;  Huang, Chang;  Mu, Lisen;  Wang, Xinggang
Adobe PDF(1137Kb)  |  收藏  |  浏览/下载：242/67  |  提交时间：2020/06/09
Pseudo low rank video representation 期刊论文
PATTERN RECOGNITION, 2019, 卷号: 85, 期号: 1, 页码: 50-59
作者:  Yu, Tingzhao;  Wang, Lingfeng;  Guo, Chaoxu;  Gu, Huxiang;  Xiang, Shiming;  Pan, Chunhong
浏览  |  Adobe PDF(1456Kb)  |  收藏  |  浏览/下载：542/170  |  提交时间：2019/01/08
Pseudo low rank  Data driven  Low resolution  Action recognition  
Semantic labeling in very high resolution images via a self-cascaded convolutional neural network 期刊论文
ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING, 2018, 卷号: 145, 期号: 1, 页码: 78-95
作者:  Liu, Yongcheng;  Fan, Bin;  Wang, Lingfeng;  Bai, Jun;  Xiang, Shiming;  Pan, Chunhong
浏览  |  Adobe PDF(1679Kb)  |  收藏  |  浏览/下载：448/94  |  提交时间：2019/01/08
Semantic labeling  Convolutional neural networks (CNNs)  Multi-scale contexts  End-to-end