RGB-D Scene Classification via Multi-modal Feature Learning论文翻译
摘要 以前的方法大部分是用全局信息来进行场景的分类，并且把图像中所有的像素用来高级别的任务。它们只是把RGB和深度信息连接起来，没有探索RGB和深度的关系和互补性，也没有考虑局部特征的分布。从人的观点来看，我们识别物体的种类一般是通过：外观，纹理，形状和深度。不同物体之间的结构分布也要考虑。基于这个观察，建立一个中级别的物体区分性的表示应该会对场景分析很有效。作者提出了LM-CNN（new Con
相关文章
- 1. A NOVEL DEEP FEATURE FUSION NETWORK FOR REMOTE SENSING SCENE CLASSIFICATION（论文翻译）
- 2. 【论文阅读】[meta learning]cross-domain few-shot classification via learned feature-wise transformation.
- 3. 【论文翻译】论文中英对照翻译--（Learning Generalized Deep Feature Representation for Face Anti-Spoofing）（其一）
- 4. (翻译)Dirichlet-based Histogram Feature Transform for Image Classification
- 5. 【论文翻译】ResNet论文中英对照翻译--（Deep Residual Learning for Image Recognition）
- 6. 论文翻译：DeepPruner: Learning Efficient Stereo Matching via Differentiable PatchMatch
- 7. 【论文翻译】Deep Residual Learning for Image Recognition
- 8. Cross-Domain Few-Shot Classification VIA Learned Feature-Wise Transformation 论文解读
- 9. VGG论文翻译
- 10. CTC介绍（connectionist temporal classification论文翻译）
- 更多相关文章...
- • Eclipse 编译项目 - Eclipse 教程
- • CAP理论是什么？ - NoSQL教程
- • Scala 中文乱码解决
- • 三篇文章了解 TiDB 技术内幕——说存储
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. A NOVEL DEEP FEATURE FUSION NETWORK FOR REMOTE SENSING SCENE CLASSIFICATION（论文翻译）
- 2. 【论文阅读】[meta learning]cross-domain few-shot classification via learned feature-wise transformation.
- 3. 【论文翻译】论文中英对照翻译--（Learning Generalized Deep Feature Representation for Face Anti-Spoofing）（其一）
- 4. (翻译)Dirichlet-based Histogram Feature Transform for Image Classification
- 5. 【论文翻译】ResNet论文中英对照翻译--（Deep Residual Learning for Image Recognition）
- 6. 论文翻译：DeepPruner: Learning Efficient Stereo Matching via Differentiable PatchMatch
- 7. 【论文翻译】Deep Residual Learning for Image Recognition
- 8. Cross-Domain Few-Shot Classification VIA Learned Feature-Wise Transformation 论文解读
- 9. VGG论文翻译
- 10. CTC介绍（connectionist temporal classification论文翻译）