图像网

ImageNet是根据WordNet层次结构组织的图像数据集。WordNet的每一个有意义的概念,可能被多个词或词组所描述,被称为“同义词集”或“同义词集”。在WordNet中有100000多个合成词,大多数是名词(80000 +)。在ImageNet,我们的目标是提供平均1000个图像来说明每个同步。每个概念的图像是质量控制和人类注释。在完成之后,我们希望ImageNet将为WordNet层次结构中的大多数概念提供数以千万计的干净排序图像。


ZBMaCT中的参考文献(74篇文章中引用)

显示结果1至20的74。
按年份排序(引文
  1. 费尔南多Pe Rez GARC Ia,Rachel Sparks,Sebastien Ourselin:TorchIO:一个Python库,用于深度学习中的医学图像的高效加载、预处理、增强和基于补丁的采样(2020)阿西夫
  2. Fung,Samy Wu;Tyrv Suin Enn,Sanna;Ruthoto,拉尔斯;Haber,ELDAd: ADMM SofMax:一个多项式logistic回归的ADMM方法(2020)
  3. Gahrooei,Mostafa Reisi;严,郝;Paynabar,卡姆兰:关于“多元数据的主动学习方法”的评论(2020)
  4. 沈,叶欣,曹,Jiuwen;王,简中;杨,Zhixin:基于深度特征转移学习的城市声学分类(2020)
  5. 萧,Heng;吴,金龙;Laizet,西尔文;段,廉:参数化几何周期性山丘上的流动:数据驱动的湍流模型的直接模拟数据集(2020)
  6. 阿伯,马希米莲;Lapuschkin,塞巴斯蒂安;西格勒,Philipp;H·格勒,米里亚姆;Shütt,Kristof T.;Montavon,Gr.Geigar;Pipe,WojiCik;Muulle,Oy;D.S.Hne,Sven;Keordman,Y:调查神经网络!(2019)
  7. Axel Barroso Laguna,Edgar Riba,Daniel Ponsa,Krystian Mikolajczyk:密钥网络通过手工制作和学习的美国有线电视新闻网过滤器检测关键点(2019)阿西夫
  8. CAI,Hongmin;黄,Qinjian;荣,Wentao;宋,严;李,焦;王,金华;陈,Jiazhou;Posile,Y:乳腺微钙化诊断:利用深度卷积神经网络从数字乳房X线照片诊断(2019)
  9. 考尔德,杰夫:博弈论(p)-拉普拉斯算子和半监督学习(2019)
  10. 戴,Xiaoliang;尹,洪旭;Jha,Niraj K.:Nest:基于生长和修剪范式的神经网络综合工具(2019)
  11. Diaz Chito,凯特琳;MaldNez Del RiNN,Jes S;RusiNi OL,Maar Aal;Hern An NeDEZ Sabeta,AURA:用双重广义判别共同向量进行特征提取(2019)
  12. 高,Depeng;刘,Jiafeng;吴,芮;程,Dansong;范,萧鹏;Tang,向龙:利用相关的RGB-D数据来帮助识别目标域中的RGB图像(2019)
  13. He,Juncai;徐,金潮:Mgnet:多重网格和卷积神经网络的统一框架(2019)
  14. 希格姆,Catherine F.;Higham,Desmond J.:深度学习:应用数学家介绍(2019)
  15. Huan,Er Yang;文,Gui Hua:面向面部结构分类的深度网络多级多尺度特征聚合(2019)
  16. 冀,Qingge;黄,Jie;He,Wenjie;Sun,Yuuui:基于光学相干断层扫描图像的黄斑病变识别的优化深度卷积神经网络(2019)
  17. 凯洋舟,陶翔:TrChrID:一个深入学习者在Py火炬中重新识别的图书馆(2019)阿西夫
  18. 刘,伊敏;孙,Wenyue;Durlofsky,Louis J.:一个基于历史学习的复杂历史模型的地质参数化(2019)
  19. 吕德克,Timo;阿戈斯蒂尼,亚历杭德罗;Fauth,米迦勒;塔莫西纳特,米尼亚河;W·R·G·T,弗罗仁汀:视觉场景中对象的分布语义与文本比较(2019)
  20. 裴,Ziang;曹,Shuangliang;卢,Lijun;陈,Wufan:利用转移学习对乳腺癌病理组织学图像进行直接细胞估计(2019)

进一步的出版物可以在:HTTP://IMAGE NET.Org/Abto出版物