基于弱监督学习的目标检测研究进展
随着卷积神经网络（Convolutional Neural Network，CNN）的不断发展，目标检测作为计算机视觉中最基本的技术，已取得了令人瞩目的进展。介绍了强监督目标检测算法对数据集标注精度要求高的现状。对基于弱监督学习的目标检测算法进行研究，按照不同的特征处理方法将该算法归为四类，并分析比较了各类算法的优缺点。
文件下载
评论信息
其他资源
- yolo论文理论梳理总结
- smartbi破解文件
- 基于C#和AE的二次开发（附带源码）
- 基于小波变换的图像融合源代码
- YDT 1098-2001 路由器测试规范-低端路由器.pdf
- 用Multisim实现整点报时数字式可调电子时钟的设计
- C#抽奖
- LCD显示屏驱动
- 基于MATLAB字母识别项目
- Android闪屏页面实现Demo
- 银联8583 mac，位图，明文，加密，解码 计算工具
- sift动态背景下实现目标跟踪
- 2018年天津大学媒体计算课程大作业.rar
- 2019年中国CAE行业市场研究.pdf
- 简单版留言板2.zip
- bash-3.2-2.aix6.1.ppc.rpm
- 捏脸软件插件 for 3dmax
- UFT_12.01_UserGuide_中文版
- 防雷接地 CAD图纸
- 史上最全传智播客PHP就业班视频课，8月份视频
- crc校验文件
- pywinauto史前最强文档双份
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