（跨模态检索综述）A Comprehensive Survey on Cross-modal Retrieval
A Comprehensive Survey on Cross-modal Retrieval Kaiye Wangy, Qiyue Yiny, Wei Wang, Shu Wu, Liang Wang∗, Senior Member, IEEE算法 1. 研究现状： 目前跨模态检索主要分为两种方法：(1)real-valued表示学习；(2)binary表示学习。Real-valued表示学习方
相关文章
- 1. （跨模态检索综述）A Comprehensive Survey on Cross-modal Retrieval
- 2. A Comprehensive Survey on Graph Neural Networks（图神经网络综述）
- 3. 综述论文“A Comprehensive Survey on Graph Neural Networks”
- 4. 论文笔记--跨模态检索研究综述-2018
- 5. [caption学习]：综述：A comprehensive survey of deep learning for image caption
- 6. Cross-modal Retrieval（跨模态检索）
- 7. 跨模态检索
- 8. A Comprehensive Survey on Graph Neural Networks--图神经网络综合研究
- 9. Paper Notes: A Comprehensive Survey on Graph Neural Networks
- 10. [论文翻译]-A Comprehensive Survey on Graph Neural Networks《图神经网络GNN综述》
- 更多相关文章...
- • ionic 模态窗口 - ionic 教程
- • Hibernate的5种检索方式 - Hibernate教程
- • 委托模式
- • PHP Ajax 跨域问题最佳解决方案
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. （跨模态检索综述）A Comprehensive Survey on Cross-modal Retrieval
- 2. A Comprehensive Survey on Graph Neural Networks（图神经网络综述）
- 3. 综述论文“A Comprehensive Survey on Graph Neural Networks”
- 4. 论文笔记--跨模态检索研究综述-2018
- 5. [caption学习]：综述：A comprehensive survey of deep learning for image caption
- 6. Cross-modal Retrieval（跨模态检索）
- 7. 跨模态检索
- 8. A Comprehensive Survey on Graph Neural Networks--图神经网络综合研究
- 9. Paper Notes: A Comprehensive Survey on Graph Neural Networks
- 10. [论文翻译]-A Comprehensive Survey on Graph Neural Networks《图神经网络GNN综述》