搜索资源列表
point-triangulation
- 讨论了有关散乱点云的取样及三角网络化模型的实现 并提出了一种高效率的点云提取方法 最后就基于被提取点生成三角网络模型进行了探讨 -Discussed the scattered point cloud sampling and triangulation network and proposed a model to achieve an efficient point cloud extraction method to extract the last point to be gener
complex-net
- 复杂网络中有如随机图,WS小世界网络,NW小世界网络及BA无标度网络等一些常见的基本模型,,本程序从这些网络的产生机理,生成了这些复杂网络模型,并且分析了其基本性质如平均路径长度,聚类系数及度分布等。-Complex networks like the random graph, WS small world network, NW small-world network and BA scale-free network and some common basic model of the p
ws_net.m
- matlab程序,生成小世界网络,可输入概率P,生成小世界网络模型-WS small world network
DBN
- 深度信念网络 (Deep Belief Network, DBN) 由 Geoffrey Hinton 在 2006 年提出。它是一种生成模型,通过训练其神经元间的权重,我们可以让整个神经网络按照最大概率来生成训练数据。我们不仅可以使用 DBN 识别特征、分类数据,还可以用它来生成数据。下面的图片展示的是用 DBN 识别手写数字: -Depth belief networks (Deep Belief Network, DBN) proposed by the Geoffrey Hinton i
Saliency-Detection
- 提出一种新的显着性检测方法,通过将区域级显着性估计和像素级显着性预测与CNN(表示为CRPSD)相结合。对于像素级显着性预测,通过修改VGGNet体系结构来执行完全卷积神经网络(称为像素级CNN)以执行多尺度特征学习,基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计,首先设计基于自适应超像素的区域生成技术以将图像分割成区域,基于该区域通过使用CNN模型(称为区域级CNN)来估计区域级显着性。通过使用另一CNN(称为融合CNN)融合像素级和区域级显着性以形成nal显着图,并