可解释CNN的对象分类【上海交大】.pdf
本文提出了一种学习深度卷积神经网络(CNN)中可解释卷积滤波器的通用方法，用于对象分类，每个可解释滤波器都对一个特定对象部分的特征进行编码。我们的方法不需要额外的注释对象部分或纹理的监督。相反，我们使用与传统CNNs相同的训练数据。在学习过程中，我们的方法在一个高卷积层中自动分配每个可解释的过滤器，每个过滤器的对象都是某个类别的一部分。
文件下载
评论信息
-
-
-
jiafeier_555 :我以为是这篇论文的翻译，结果花了10个币下了一篇原著，厉害了都2020-12-20 -
其他资源
- GetDict.exe 2.6的升级版本MdxExport
- 非线性系统的李雅普诺夫稳定性分析
- Principles of optics
- C#常用工具类代码集合Util（自己工作总结）
- 学生考勤管理系统.rar
- Android串口调试工具源码
- 微信小程序Demo：问答小程序
- TI BQ500511 和 BQ50002 无线充电评估板ALTIUM硬件原理图+PCB（4层板）文件.rar
- Ultrapure and highly efficient green light emitting devices based on ligand-modified CsPbBr
- MW325R V3.0.bin
- STC12C5A60S2控制SIM900A短信GSM模块
- 按键精灵调用飞桨本地识别代码
- ft_config.ini
- ChipGenius_v4_00_1024.rar
- Java版坦克大战游戏源码
- IP电话技术与软交换
- IBMMQ测试工具
- c#写的word嵌入form
- 2018最新手机号段归属地数据库 412339行
- 车牌识别C++实现
- ip_zh.exe ip_zh.exe
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明