全监督学习相关论文
单视角深度估计任务是计算机视觉领域中极具挑战性的问题之一,其目标是给定单张彩色图像,预测图像上每个像素点的深度值。由于三维......
显著性目标检测目的是精确检测并分割出图像中最具代表性的目标区域,常作为预处理步骤被应用于其他计算机视觉任务。由于硬件的限......
在疾病诊断、手术引导及放射性治疗等图像辅助诊疗场景中,将不同时间、不同模态或不同设备的图像通过合理的空间变换进行配准是必......
近年来,随着深度学习进入计算机视觉领域,各种深度学习图像语义分割方法相继出现,其中全监督学习方法的分割效果显著超过弱监督学......
提出了一种基于图上正则化的图像分割方法。将离散的正则化扩散框架应用到全监督的图像分割领域中;使用非下采样轮廓波变换提取图......
识别虚假评论有着重要的理论意义与现实价值.先前工作集中于启发式策略和传统的全监督学习算法.最近研究表明：人类无法通过先验知识......
期刊
随着深度学习技术的快速发展及其在语义分割领域的广泛应用,语义分割效果得到显著提升。对基于深度神经网络的图像语义分割方法进......
笔者利用长短期记忆网络(LSTM)和卷积神经网络(CNN),以正常域名、不正常域名作为特征进行有监督的DNS数据异常检测方法的研究。该......
互联网的快速发展改变了人们的消费方式,越来越多的用户选择通过互联网购买所需物品或服务.当前的消费者在购买产品或服务前,通常......
