没有合适的资源?快使用搜索试试~
我知道了~
文库首页
人工智能
深度学习
Valse 2019 -- 行人再识别资料
Valse 2019 -- 行人再识别资料
行人重识别
ReID
需积分: 12
5 下载量
186 浏览量
2019-05-04
17:16:09
上传
评论
收藏
4.15MB
PDF
举报
温馨提示
立即下载
2019年在合肥举办的Valse大会有关行人再识别PTT资料
资源推荐
资源评论
申抒含-基于图像的大规模场景三维重建
浏览:80
SLAM前沿报告,申抒含-基于图像的大规模场景三维重建。
Python-行人再识别PersonreID的Pytorch实现
浏览:120
行人再识别Person-reID的Pytorch实现
2019行人再识别 年度回顾 VALSE
浏览:163
行人重识别 行人再识别 行人检索 郑良 郑哲东 钟准 孙奕帆 杨易 悉尼科技大学 龚绍刚 郑伟诗 李玺 浙江大学 中山大学
VALSE Webinar19-04期 弱监督图像理解专题视频(全)
浏览:182
报告时间:2019年2月27日晚20:00点 主题:弱监督图像理解专题 报告嘉宾:叶齐祥、程明明、左旺孟、李宇峰老师 (视频包括会议记录和Panel的全程高清录屏)
VALSE 让机器像人一样阅读
浏览:186
VALSE 让机器像人一样阅读 视频 视频所有权利归白翔老师所有,严禁使用本视频盈利
Valse-2021会议报告:基于知识图的自动表示学习
浏览:93
1.什么是知识图(KG)? 2.什么是自动机器学习(AutoML)? 3.通过AutoML攻击KG中的核心问题 4.未来工作和总结
VALSE大会现场PPT
浏览:174
VALSE大会现场PPT 深度学习 计算机视觉 图像处理 人工智能 自动驾驶 自然语言处理 SLAM
VALSE:VALSE(视觉与学习研讨会)中的幻灯片和演讲视频的集合
浏览:183
5星 · 资源好评率100%
VALSE(Vision and Learning Seminar, VALSE)发起于2011年,是国内计算机视觉、图像处理、模式识别与机器学习等研究领域的青年学者、学生的一个高水平的学术交流舞台。VALSE 年度研讨会VALSE年度研讨会的主要目的是...
VALSE2018王兴刚教授弱监督语义分割
浏览:34
VALSE 2018 大连 王兴刚教授 弱监督语义分割演讲ppt
valse2022 poster合集
浏览:120
β-DARTS- Beta-Decay Regularization for Differentiable Architecture Search Killing Two Birds with One Stone- Efficient and Robust Training of Face Recognition CNNs by Partial FC Neural MoCon- Neural ..
valse2016website:假2016网站
浏览:10
VALSE 2016网站 作者:王宏阳日期:2015.8.12 这是什么? 这是VALSE2016的网站 测试版 请注意,该网站不是VALSE 2016的最终版本。任何人都不应正式在线发布该网站。 最终版本将在近期发布,其站点将在此处显示。
2Dto3D 2017进展-吴毅红.pdf
浏览:137
中科院自动化所吴毅红老师在VALSE2018的报告(2018年4月22日,大连)
图像解析与编辑相关ppt及文章整理
浏览:25
valse2018 大连 刘偲图像解析与编辑相关ppt及文章整理
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
浏览:194
4星 · 用户满意度95%
本资源纯属免费,不收任何钱和任何积分,纯粹为爱发电,本资源已经为大家整合好了的,看我的博客部署好直接用:https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址:https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSO
YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
浏览:107
5星 · 资源好评率100%
YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
浏览:201
5星 · 资源好评率100%
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt,需要创建的文件夹都以创建,方便大家不用再去GitHub下载 可以搭配该博客:https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
Transformer模型实现长期预测并可视化结果(附代码+数据集+原理介绍)
浏览:129
5星 · 资源好评率100%
这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer
社交平台上经济类话题的文章热度信息,数据是真实的,但不是真实日期
浏览:184
使用LSTM模型进行时序预测的代码与说明见:https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
YOLOV5 + 双目相机实现三维测距(新版本)
浏览:89
YOLOV5 + 双目相机实现三维测距(新版本)
行人跌倒数据集(VOC格式)
浏览:173
5星 · 资源好评率100%
行人跌倒数据集(VOC格式)
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
浏览:7
5星 · 资源好评率100%
本资源配套对应的视频教程和图文教程,手把手教你使用Unet做眼底图像分割的训练、测试和界面封装,包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型,并封装为了图形化界面,只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高,眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源,其形态和状况的变化可以反映出许
全新的SOTA模型YOLOv9
浏览:101
当今的深度学习方法专注于如何设计最合适的目标函数,以使模型的预测结果尽可能接近真实值。同时,还需要设计一个合适的架构,以便获取足够的信息进行预测。现有方法忽略了一个事实:当输入数据经过逐层的特征提取和空间变换时,会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题,即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息(PGI)的概念,以应对深度网络实现多个目标所需的各种变化。PGI
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
浏览:30
5星 · 资源好评率100%
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在:https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境:https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看:https://blog.csdn.net/ECHOSON/article/d
Deep Learning Tuning Playbook(中译版)
浏览:44
由五名研究人员和工程师组成的团队发布了《Deep Learning Tuning Playbook》,来自他们自己训练神经网络的实验结果以及工程师的一些实践建议,目前在Github上已有1.5k星。此版本为中文翻译版,提供给大家免费下载,因为本人知识水平有限,翻译过程中可能有误,随时欢迎大家指出错误,我会随时更正。
pycharm连接autodl服务器(yolov8训练自己的数据集)
浏览:25
里面没写怎么配置yolov8环境,这个参考官方文档就行很简单一行代码即可
基于YOLOv8-Pose的姿态识别项目,带数据集可直接跑通的源码
浏览:190
这个项目是一个基于YOLOv8-Pose的姿态识别系统,专门用于识别和分析人体姿态。项目采用了最新的YOLOv8-Pose算法,结合了COCO数据集的8种常见姿态,能够快速准确地识别人体的各种姿态。这个可以作为一个简单的项目案例,后续可以直接换成自己的数据去进行训练。 功能特点: 高效识别:使用了先进的YOLOv8-Pose算法,确保了识别的准确性和效率。 支持多种姿态:能够识别COCO数据集中
zotero翻译插件.xpi
浏览:30
4星 · 用户满意度95%
2023/9/2 更新
Informer模型实战案例(代码+数据集+参数讲解)
浏览:86
5星 · 资源好评率100%
本篇博客带大家看的是Informer模型进行时间序列预测的实战案例,它是在2019年被提出并在ICLR 2020上被评为Best Paper,可以说Informer模型在当今的时间序列预测方面还是十分可靠的,Informer模型的实质是注意力机制+Transformer模型,Informer模型的核心思想是将输入序列进行自注意力机制的处理,以捕捉序列中的长期依赖关系,并利用Transformer的
YOLOv5 人脸口罩图片数据集
浏览:55
5星 · 资源好评率100%
约4000张不带口罩的人脸图片+4000张带口罩的人脸图片,含标注文件,符合YOLOv5格式,可直接训练。
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
海空天空2018
粉丝: 5
资源:
19
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
文章发布系统的设计与实现.zip
902988616808224lx-music-mobile-v1.2.0-beta.2-universal.apk
Lesson2-时间复杂度空间复杂度.pdf
什么是虚拟棋盘以及学习虚拟棋盘的意义
什么是python烟花代码以及学习python烟花代码的意义是什么
python烟花代码是什么以及学习python烟花代码的意义
深入解析数据分析利器:常用工具详解
什么是串口协议以及学习串口协议的意义是什么
SwiftUI嵌入UIKit(UIKit回传值到SwiftUI)
SwiftUI嵌入UIKit(SwiftUI顺传值到UIKit)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功