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
- vasp 6.1.2 安装包和 makefile.include文件
- BP神经网络MATLAB源代码
- CADENCE DSP项目
- TXT文件转DAT文件（ASCII转BINARY）
- C语言和汇编语言的混合编程例子
- 基于boost.asio库的C++http/https web server
- 应用随机过程（清华大学－林元烈）
- leaflet卷帘功能实现代码.rar
- 二手市场系统,简单的二手市场交易系统
- 秦皇岛市综治（应急）指挥中心建设方案
- labview对ACCESS数据库的增删改查
- 小米wifi Mac驱动 macOS 10.12
- 从注意力维度谈动效设计
- STM32F103C8T6核心板镀金板资料
- 基于组态王和西门子200的PLC无线监控.pdf
- B2-【软件设计师】考点难点.zip
- java做的一个定时提醒软件
- 用C++写的中国象棋游戏
- 电商产品经理宝典：电商后台系统产品逻辑全解析
- Mathematica 常见函数演示动画
- 串号重复检测工具（SN CHECK
- 成绩管理系统V4.0
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