【论文解读】——基于多尺度卷积网络的遥感目标检测研究（姚群力，胡显，雷宏）
【论文解读】——基于多尺度卷积网络的遥感目标检测研究（姚群力，胡显，雷宏）该文针对现有遥感图像目标检测算法对于复杂场景下多尺度目标检测精度较低、泛化能力差的问题，提出了一种多尺度卷积神经网络遥感目标检测框架———MSCNN。1.引言遥感目标自动检测技术不仅是一种实现遥感目标自动分类和定位的智能化数据分析方法，还是遥感图像解译领域的重要研究方向之一。传统的遥感图像目标检测方法是根据人工经验设计特征....
【论文泛读】 DenseNet：稠密连接的卷积网络
因为 ResNet 提出了跨层链接的思想，这直接影响了随后出现的卷积网络架构，其中最有名的就是 cvpr 2017 的 best paper，DenseNet。摘要 Abstract最近的研究表明，如果在靠近输入层与输出层之间的地方使用短连接（shorter connections），就可以训练更深、更准确、更有效的卷积网络。在这篇文章中，我们基于这个观点，介绍了稠密卷积网络（DenseNet）....
【论文泛读】 GooLeNet：更深的卷积网络
摘要 Abstract我们在ImageNet大规模视觉识别挑战赛214（ILSVRC14）上提出了一种代号为Inception的深度卷积神经网络结构，并在分类和检测上取得了新的最好结果。这个架构的主要特点是提高了网络内部计算资源的利用率。通过精心的手工设计，我们在增加了网络深度和广度的同时，保持了计算预算不变。为了优化质量，架构的设计以赫布理论和多尺度处理直觉为基础。我们在ILSVRC14提交中....
论文阅读笔记 | 目标检测算法——DCN(可变形卷积网络)
paper：Deformable Convolutional Networks摘要：卷积神经网络由于其构建模块中固定的几何结构，本质上受限于模型几何变换。为了提高卷积神经网络的转换建模能力，作者提出了两个模块：可变形卷积（deformable convolution）和可变形RoI池（deformable RoI pooling）。这两个模块均基于用额外的偏移来增加模块中的空间采样位置以及从目标....
论文推荐|[NAACL 2019] 基于图卷积网络的视觉富文本数据中文档图像信息抽取
本文简要介绍NAACL 2019录用论文“Graph Convolution for Multimodal Information Extraction from Visually Rich Documents”的主要工作。该论文主要针对视觉富文本数据的信息抽取问题，提出了一种图卷积网络，结合文本信息与视觉信息，取得了比纯文本方法更好的效果。 图1 视觉富文本数据示例 一、研究背景 ...
CVPR 2017最佳论文解读：密集连接卷积网络
近几年来，随着卷积神经网络（CNNs）的迅速发展，学术界涌现出一大批非常高效的模型，如 GoogleNet、VGGNet、ResNet 等，在各种计算机视觉任务上均崭露头角。但随着网络层数的加深，网络在训练过程中的前传信号和梯度信号在经过很多层之后可能会逐渐消失。先前有一些非常好的工作来解决这一问题。如在 Highway 和 ResNet 结构中均提出了一种数据旁路（skip-layer）的技术....
Top100论文导读：深入理解卷积神经网络CNN（Part Ⅱ）
首发地址：https://yq.aliyun.com/articles/74892 更多深度文章，请关注：https://yq.aliyun.com/cloud 作者信息 Adrian Colyer：morning paper编辑、Accel Partners投资合伙人、SpringSource首席技术官、VMware技术总监。 领英：http://www.linkedin.com/in/adr....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
网络更多论文相关
域名解析DNS
关注DNS技术、标准、产品和行业趋势，连接国内外相关技术社群信息，加强信息共享。
+关注