Zobrazeno 1 - 10
of 27
pro vyhledávání: '"Razavian, Ali Sharif"'
This paper provides an extensive study on the availability of image representations based on convolutional networks (ConvNets) for the task of visual instance retrieval. Besides the choice of convolutional layers, we present an efficient pipeline exp
Externí odkaz:
http://arxiv.org/abs/1412.6574
Autor:
Razavian, Ali Sharif, Azizpour, Hossein, Maki, Atsuto, Sullivan, Josephine, Ek, Carl Henrik, Carlsson, Stefan
Supervised training of a convolutional network for object classification should make explicit any information related to the class of objects and disregard any auxiliary information associated with the capture of the image or the variation within the
Externí odkaz:
http://arxiv.org/abs/1411.6509
Evidence is mounting that Convolutional Networks (ConvNets) are the most effective representation learning method for visual recognition tasks. In the common scenario, a ConvNet is trained on a large labeled dataset (source) and the feed-forward unit
Externí odkaz:
http://arxiv.org/abs/1406.5774
Recent results indicate that the generic descriptors extracted from the convolutional neural networks are very powerful. This paper adds to the mounting evidence that this is indeed the case. We report on a series of experiments conducted for differe
Externí odkaz:
http://arxiv.org/abs/1403.6382
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.
Autor:
Olczak, Jakub, Fahlberg, Niklas, Maki, Atsuto, Razavian, Ali Sharif, Jilert, Anthony, Stark, André, Sköldenberg, Olof, Gordon, Max
Publikováno v:
Acta Orthopaedica
Background and purpose — Recent advances in artificial intelligence (deep learning) have shown remarkable performance in classifying non-medical images, and the technology is believed to be the next technological revolution. So far it has never bee
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::453aadea9d8b019a95a093daca70ed65
https://pubmed.ncbi.nlm.nih.gov/29106336
https://pubmed.ncbi.nlm.nih.gov/29106336
The preimage of the activity at a certain level of a deep network is the set of inputs that result in the same node activity. For fully connected multi layer rectifier networks we demonstrate how to compute the preimages of activities at arbitrary le
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::124fdf5ba91e013a787e39a1620fd3b2
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-259164
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-259164
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:
2015 IEEE International Symposium on Antennas & Propagation & USNC/URSI National Radio Science Meeting; 2015, p36-45, 10p