Zobrazeno 1 - 10
of 19
pro vyhledávání: '"Duta, Ionut"'
We propose contextual convolution (CoConv) for visual recognition. CoConv is a direct replacement of the standard convolution, which is the core component of convolutional neural networks. CoConv is implicitly equipped with the capability of incorpor
Externí odkaz:
http://arxiv.org/abs/2108.07387
This work introduces pyramidal convolution (PyConv), which is capable of processing the input at multiple filter scales. PyConv contains a pyramid of kernels, where each level involves different types of filters with varying size and depth, which are
Externí odkaz:
http://arxiv.org/abs/2006.11538
Residual networks (ResNets) represent a powerful type of convolutional neural network (CNN) architecture, widely adopted and used in various tasks. In this work we propose an improved version of ResNets. Our proposed improvements address all three ma
Externí odkaz:
http://arxiv.org/abs/2004.04989
Autor:
Duta, Ionut Cosmin
The aim of this PhD thesis is to make a step forward towards teaching computers to understand videos in a similar way as humans do. In this work we tackle the video classification and/or action recognition tasks. This thesis was completed in a period
Externí odkaz:
https://hdl.handle.net/11572/369314
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
MultiMedia Modeling (9783319518107); 2017, p365-378, 14p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Duta, Ionut C., Uijlings, Jasper R. R., Nguyen, Tuan A., Aizawa, Kiyoharu, Hauptmann, Alexander G., Ionescu, Bogdan, Sebe, Nicu
Publikováno v:
2016 14th International Workshop on Content-Based Multimedia Indexing (CBMI); 2016, p1-6, 6p
Publikováno v:
2015 IEEE International Conference on Multimedia & Expo (ICME); 2015, p1-6, 6p
Publikováno v:
Computers, Materials & Continua; 2024, Vol. 80 Issue 3, p4451-4473, 23p