【摘 要】
：
近日,Facebook人工智能实验室宣布开源其先进的物体检测研究平台Detectron,为广大研究人员未来的新计算机视觉研究课题提供灵活、快速的模型实现和评估途径。Detectron项目始于2016年7月,当时的目的是在Caffe2的基础上建立一个快速、灵活的物体检测系统,内部开发过程也就从此开始。经过一年半的开发之后,代码库已经成熟,而且集成了许多Facebook自己的研究项目,包括在ICCV
论文部分内容阅读
近日,Facebook人工智能实验室宣布开源其先进的物体检测研究平台Detectron,为广大研究人员未来的新计算机视觉研究课题提供灵活、快速的模型实现和评估途径。Detectron项目始于2016年7月,当时的目的是在Caffe2的基础上建立一个快速、灵活的物体检测系统,内部开发过程也就从此开始。经过一年半的开发之后,代码库已经成熟,而且集成了许多Facebook自己的研究项目,包括在ICCV 2017上
其他文献
土壤有机碳与全氮储量的空间格局特征不仅可为土壤质量管理提供科学依据,也可为流域生态系统管理及人类活动管控提供参考。基于GIS软件平台,统计分析了甘肃白龙江流域土壤有机碳与全氮储量及碳氮比的空间格局特征,并探讨了海拔、坡度、坡向和植被覆被类型对土壤有机碳、全氮储量空间分布的影响。结果表明:甘肃白龙江流域平均土壤有机碳、全氮储量分别约为87.94×10~3 kg hm~(-2)和7.02×10~3 k
为了消除土壤类型的影响,提高土壤含水量高光谱预测精度,以松嫩平原四种典型土壤(黑土、黑钙土、草甸土、风砂土)实验室高光谱反射率为研究对象,对反射光谱曲线进行去包络线处理,提取光谱特征参数;并对反射率进行多种数学变换,分析不同土壤类型、含水量水平的反射光谱特征差异,建立考虑土壤类型差异的含水量高光谱预测模型。研究结果表明:1)混合土壤类型难以提取有效的光谱特征参数进行土壤含水量预测;2)将风砂土与其
20世纪90年代互联网开始"横扫天下",如今物联网使人和物、物和物的通信成为现实。作为现代科技的新主人,物联网已经渗透到人们日常生活的每个角落,无论是政府还是企业,无论是国家还是个人,都享受着由物联网科技带来的智慧生活。正是与人类生活的息息相关使人们对物联网技术的研究日益广泛而深入:研究其发展现状可以帮助我们更好地掌握物联网技术的优点与问题;展望未来,可以使物联网技术获得持续发展,保持其旺盛
从目前我们国家的实际情况来看,社会经济以及科学技术正在经历持续不断的快速进步和发展,而物联网技术也再这样的时代背景下得到十分迅速的发展,而在这样的背景之下传感器网络的整体运用范围也随着物联网技术的不断提升而持续扩展开来。人们在日常生活过程中在实际运用传感器网络来进行问题的解决时,传感器网络可以为使用者提供与实际的感知相关联的一些数据信息,并且这一信息的提供具有相对来说较高的实时性,而这一特征就在很
Face recognition based on few training samples is a challenging task. In daily applications, sufficient training samples may not be obtained and most of the gained training samples are in various illu
The objective assessment method of network video quality is a challenge,because the video quality will be distorted by various factors,including transmission and compression. In order to improve the o
Face recognition has been a hot-topic in the field of pattern recognition where feature extraction and classification play an important role. However,convolutional neural network( CNN) and local binar
The local directional pattern(LDP) is unsusceptible to random noise which is widely used in texture extraction of face region. LDP cannot encode the central pixel thus the important information will b
Implementing face recognition efficiently to real world large scale dataset presents great challenges to existing approaches. The method in this paper was proposed to learn an identity distinguishable
针对传统偏振图像融合视觉效果较差,纹理细节信息保留不充分等问题,结合BEMD变换的多分辨率、多尺度特性和PCNN全局耦合、脉冲同步激发等优点,提出了一种基于BEMD和自适应PCNN的偏振图像融合算法。首先融合线偏振度图像和偏振角图像得到偏振特征图像,然后对偏振特征图像和强度图像进行BEMD分解,对于低频分量,采用局部能量的融合方法;对于高频分量,采用区域方差自适应调整PCNN的链接强度,根据其显著