Zobrazeno 1 - 10
of 50
pro vyhledávání: '"Gong, Yunchao"'
Autor:
Gong, Yunchao, Lv, Xueqiang, Yuan, Zhu, Hu, Feng, Cai, Zangtai, Chen, Yuzhong, Wang, Zhaojun, You, Xindong
Publikováno v:
In Expert Systems With Applications 1 March 2025 262
Publikováno v:
In Future Generation Computer Systems September 2024 158:472-487
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Binary embeddings provide efficient and powerful ways to perform operations on large scale data. However binary embedding typically requires long codes in order to preserve the discriminative power of the input space. Thus binary coding methods tradi
Externí odkaz:
http://arxiv.org/abs/1511.06480
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Deep convolutional neural networks (CNN) has become the most promising method for object recognition, repeatedly demonstrating record breaking results for image classification and object detection in recent years. However, a very deep CNN generally i
Externí odkaz:
http://arxiv.org/abs/1412.6115
Binary embedding of high-dimensional data requires long codes to preserve the discriminative power of the input space. Traditional binary coding methods often suffer from very high computation and storage costs in such a scenario. To address this pro
Externí odkaz:
http://arxiv.org/abs/1405.3162
Deep convolutional neural networks (CNN) have shown their promise as a universal representation for recognition. However, global CNN activations lack geometric invariance, which limits their robustness for classification and matching of highly variab
Externí odkaz:
http://arxiv.org/abs/1403.1840