• MatConvNet公司

  • 参考12篇文章[sw15651]
  • MatConvNet–卷积的 神经的 网络对于MATLAB。MatConvNet是卷积的 神经的... MATLAB函数,提供计算例程卷积与过滤器组,功能池,正常化,和许多。。。
  • 深海实验室

  • 引用15篇文章[sw15303]
  • 特征响应在Deep中计算卷积的 神经的 网络. 它也使我们能够有效地。。。多尺度。ASPP探测传入的卷积的特征层与过滤器在多采样率。。。
  • 赛格网

  • 在14篇文章中引用【sw27575】
  • 新颖实用充分卷积的 神经的 网络语义像素分割架构称为。。。发动机由一个编码器组成网络,对应的解码器网络然后是像素。。。编码器网络在拓扑结构上与13相同卷积的VGG16层网络...
  • V形网

  • 引用5篇文章[sw35860]
  • 卷积的 神经的 网络用于体医学图像分割。卷积的 神经的 网络(CNN)已经。。。基于体积的分割卷积的,神经的 网络. 我们的CNN受过训练。。。
  • PDE网络

  • 引用25篇文章[sw36963]
  • 神经的 网络在深度学习设计中,我们提出了一种新的前馈深度网络,称为。。。学习微分算子卷积内核(过滤器),并应用神经的 网络或者其他机器学习。。。
  • 私人

  • 引用5篇文章[sw37756]
  • 大规模异构文本嵌入网络. 无监督的文本嵌入方法,如跳过。。。复杂的深度学习架构,如卷积的 神经的 网络,这些方法通常产生较差的结果。。。表现为大规模的异构文本网络,然后嵌入到。。。基于卷积的 神经的 网络,预测性文本嵌入具有可比性甚至更多。。。
  • 沃克斯网

  • 引用5篇文章[sw36666号]
  • VoxNet:3D卷积的 神经的 网络用于实时目标识别。强健的物体识别。。。基于监督的三维网格表示卷积的 神经的 网络(美国有线电视新闻网3D版)。我们评估我们的方法。。。
  • 宽面条

  • 参考6篇文章[sw20936]
  • 神经的 网络在剧院里。其主要特点是:支持前馈网络例如卷积的...
  • 多雷法网

  • 引用4篇文章[sw36246]
  • DoReFa网:训练低比特宽卷积的 神经的 网络低位宽度梯度。我们建议多雷法。。。训练方法卷积的 神经的 网络具有较低的位宽度权重和使用。。。传播到之前的数字卷积的层。作为卷积在前进/后退过程中,现在可以操作。。。加速低比特宽度训练神经的 网络在这些硬件上。我们对SVHN的实验。。。
  • 深水跟踪器

  • 引用3篇文章[sw25889]
  • DeepTracker:可视化培训过程卷积的 神经的 网络. 卷积的 神经的 网络(CNN)有。。。
  • 拼图

  • 引用3篇文章[sw25887]
  • JigsawNet:使用卷积的 神经的 网络和循环合成。本文提出。。。复杂的谜题。我们建造了一个卷积的 神经的 网络要检测兼容性。。。
  • 同步规范CNN

  • 引用4篇文章[sw26163]
  • 它们的顶点函数卷积的 神经的 网络,我们求助于光谱CNN方法。。。拉普拉斯特征基图。在这种情况下,我们网络,名为SyncSpecCNN,努力克服。。。介绍了一种扩展的光谱参数化方法卷积的核和光谱变换器网络. 实验性的。。。
  • SYNTHIA数据集

  • 引用4篇文章[sw35060]
  • 驱动。最新的革命性成果卷积的 神经的 网络(DCNNs)预示着可靠的。。。
  • 煤油

  • 参考105篇文章[sw15491]
  • Keras是一个极简主义者,高度模块化神经的 网络库,用Python编写,并且可以。。。完全模块化、极简化和可扩展性)。支持两者卷积的 网络经常性的网络,以及。。。
  • fpgaConvNet公司

  • 引用2篇文章[sw25907]
  • fpgaConvNet:一个映射框架卷积的 神经的 网络在FPGA上。卷积的 神经的 网络(ConvNets/CNNs。。。
  • MgNet公司

  • 引用2篇文章【sw35862】
  • 多重网格与卷积的 神经的 网络. 我们开发了一个统一的模型。。。MgNet,同时恢复一些卷积的 神经的 网络(CNN)用于图像分类和多重网格。。。统一模型,各种功能卷积使用的操作和池。。。
  • 像素网格

  • 引用3篇文章【sw31205】
  • 受限于深神经的 网络,以前的方法通常表示三维形状。。。基于图形的网格卷积的 神经的 网络通过逐渐变形产生正确的几何形状。。。
  • 超神经网络

  • 引用2篇文章[sw36672]
  • 超混合神经网络卷积的 神经的 网络用于突出目标检测。现有的计算模型突出。。。深度学习技巧。一种新颖的超混合体卷积的 神经的 网络提出了一种称为超神经网络的方法。。。高效的方式。与古典主义相比卷积的 网络超神经网络有四个主要性质。第一。。。
  • 符合者

  • 引用2篇文章[sw35794]
  • 语音识别。最近变压器和卷积 神经的 网络(CNN)的模型显示了有希望的结果。。。自动语音识别(ASR),优于递归语音识别神经的 网络(RNNs)。变压器模型擅长捕捉。。。通过研究如何结合卷积 神经的 网络和变形金刚来模拟本地。。。对此,我们建议卷积-用于语音识别的增强变换器,称为Conformer。明显符合。。。