Výsledky vyhledávání - "spatio-temporal feature learning"

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Report

A New Look at Spike-Timing-Dependent Plasticity Networks for Spatio-Temporal Feature Learning

Autor: Safa, Ali, Ocket, Ilja, Bourdoux, André, Sahli, Hichem, Catthoor, Francky, Gielen, Georges

We present new theoretical foundations for unsupervised Spike-Timing-Dependent Plasticity (STDP) learning in spiking neural networks (SNNs). In contrast to empirical parameter search used in most previous works, we provide novel theoretical grounds f

Externí odkaz: http://arxiv.org/abs/2111.00791

Zobrazit plný text záznamu

Report

Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images

Autor: Yu, Zhen, Nguyen, Jennifer, Chang, Xiaojun, Kelly, John, Mclean, Catriona, Zhang, Lei, Mar, Victoria, Ge, Zongyuan

Existing studies for automated melanoma diagnosis are based on single-time point images of lesions. However, melanocytic lesions de facto are progressively evolving and, moreover, benign lesions can progress into malignant melanoma. Ignoring cross-ti

Externí odkaz: http://arxiv.org/abs/2006.10950

Zobrazit plný text záznamu

Akademický článek

Deep attentive spatio-temporal feature learning for automatic resting-state fMRI denoising

Autor: Heo, Keun-Soo ^a, Shin, Dong-Hee ^a, Hung, Sheng-Che ^b, Lin, Weili ^b, Zhang, Han ^c, Shen, Dinggang ^c, Kam, Tae-Eui ^{⁎, a}

Publikováno v: In NeuroImage 1 July 2022 254

Zobrazit plný text záznamu

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Report

Collaborative Spatio-temporal Feature Learning for Video Action Recognition

Autor: Li, Chao, Zhong, Qiaoyong, Xie, Di, Pu, Shiliang

Spatio-temporal feature learning is of central importance for action recognition in videos. Existing deep neural network models either learn spatial and temporal features independently (C2D) or jointly with unconstrained parameters (C3D). In this pap

Externí odkaz: http://arxiv.org/abs/1903.01197

Zobrazit plný text záznamu

Akademický článek

Deep video action clustering via spatio-temporal feature learning

Autor: Peng, Bo ^a, Lei, Jianjun ^{a, ⁎}, Fu, Huazhu ^b, Jia, Yalong ^a, Zhang, Zongqian ^a, Li, Yi ^a

Publikováno v: In Neurocomputing 7 October 2021 456:519-527

Zobrazit plný text záznamu

Report

TrajectoryNet: a new spatio-temporal feature learning network for human motion prediction

Autor: Liu, Xiaoli, Yin, Jianqin, Liu, Jin, Ding, Pengxiang, Liu, Jun, Liu, Huaping

Human motion prediction is an increasingly interesting topic in computer vision and robotics. In this paper, we propose a new 2D CNN based network, TrajectoryNet, to predict future poses in the trajectory space. Compared with most existing methods, o

Externí odkaz: http://arxiv.org/abs/1910.06583

Zobrazit plný text záznamu

Vyhledávací nástroje:

Upřesnit hledání