图像网

ImageNet是根据WordNet层次结构组织的图像数据集。WordNet中的每个有意义的概念,可能由多个单词或词组描述,称为“同义词集”或“synset”。WordNet中有超过100000个语法集,其中大部分是名词(80000+)。在ImageNet中,我们的目标是平均提供1000张图像来说明每个synset。每个概念的图像都经过质量控制和人工注释。在它的完成中,我们希望ImageNet能够为WordNet层次结构中的大多数概念提供数以千万计的干净排序的图像。


zbMATH参考文献(参考 117篇文章

显示117个结果中的1到20个。
按年份排序(引用)
  1. 郝洁;朱,威廉:建筑自我注意机制:神经结构搜索的非线性优化(2021)
  2. Urbaniak,Ilona;Wolter,Marcin:基于卷积神经网络模式识别的压缩和调整大小的医学图像的质量评估(2021)
  3. Zöller,Marc André;Huber,Marco F.:自动化机器学习框架的基准和调查(2021年)
  4. Joseph布洛克;Alexandra Lucconi;Pham,Katherine Hoffman;Lam,Cynthia Sin Nga;Luengo Oroz,Miguel:根据COVID-19绘制人工智能应用的前景(2020年)
  5. Carlsson,Gunnar;Gabrielsson,Rickard Brüel:深度学习的拓扑方法(2020)
  6. 陈瑞典;何劲松:燕窝检测视网膜神经网络两阶段训练法(2020)
  7. 陈瑞芝;李玲:用反向传播分析和加速培养深层社交网络的瓶颈(2020)
  8. Christoph Heindl,Lukas Brunner,Sebastian Zambal,Josef Scharinger:blendorch:A Real-Time,Adaptive Domain随机化库(2020)阿尔十四
  9. Daryanavard,Sama;Porr,Bernd:闭环深度学习:用反向传播生成正向模型(2020)
  10. Fernando Pérez García,Rachel Sparks,Sebastien Ourselin:TorchIO:Python库,用于在深度学习中高效加载、预处理、增强和基于补丁的医学图像采样(2020)阿尔十四
  11. Frazier Logue,Noah;Hanson,Stephen José:随机增量规则:通过自适应加权噪声实现更快更精确的深度学习(2020)
  12. Fung,Samy Wu;Tyrväinen,Sanna;Ruthotto,Lars;Haber,Eldad:ADMM softmax:多项式逻辑回归的ADMM方法(2020)
  13. Gahrooei,Mostafa Reisi;Yan,Hao;Paynabar,Kamran:评论:“流形数据的主动学习方法”(2020)
  14. 耿正林;约翰逊,丹尼尔;费德基夫,罗纳德:强迫机器学习输出物理精确的结果(2020年)
  15. Gokhale,Angelina;Pande,Mandaar B.;Pramod,Dhanya:实现图像拼接检测的量子转移学习方法(2020年)
  16. Grinchuk,O.V.;Tsurkov,V.I.:训练多模式神经网络以确定图像的真实性(2020年)
  17. Gühring,Ingo;Kutyniok,Gitta;Petersen,Philipp:《用(W^s,p)范数中的深度ReLU神经网络近似的误差界》(2020)
  18. 金元;卡曼,马克;朱,叶;项,勇:众包质量控制的统计建模和设计方法的技术调查(2020)
  19. Kossaifi,Jean;Lipton,Zachary C.;Kolbeinsson,Arinbjorn;Khanna,Aran;Furlanello,Tommaso;Anandkumar,Anima:张量回归网络(2020)
  20. Lermé,Nicolas;Le Hégarat Mascle,Sylvie;Malgouyres,François;Lachaize,Marie:使用MRF和图形切割的多层联合分割(2020)

更多出版物请访问:http://image-net.org/about-publication