激光与光电子学进展, 2018, 55 (10): 101003, 网络出版: 2018-10-14   

残差网络下基于困难样本挖掘的目标检测 下载: 902次

Object Detection Based on Hard Examples Mining Using Residual Network
作者单位
江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
引用该论文

张超, 陈莹. 残差网络下基于困难样本挖掘的目标检测[J]. 激光与光电子学进展, 2018, 55(10): 101003.

Zhang Chao, Chen Ying. Object Detection Based on Hard Examples Mining Using Residual Network[J]. Laser & Optoelectronics Progress, 2018, 55(10): 101003.

引用列表
1、 基于改进PSPNet的桥梁裂缝图像分割算法激光与光电子学进展, 2021, 58 (22): 2210001
2、 基于优化区域卷积神经网络的机场区域检测激光与光电子学进展, 2020, 57 (10): 101021
3、 基于深度学习的行人属性识别激光与光电子学进展, 2020, 57 (6): 061001
4、 基于反残差结构的轻量级多目标检测网络激光与光电子学进展, 2019, 56 (22): 221003
5、 利用残差密集网络的高光谱图像分类激光与光电子学进展, 2019, 56 (15): 151006
6、 基于生成式对抗网络的细小桥梁裂缝分割方法激光与光电子学进展, 2019, 56 (10): 101004

张超, 陈莹. 残差网络下基于困难样本挖掘的目标检测[J]. 激光与光电子学进展, 2018, 55(10): 101003. Zhang Chao, Chen Ying. Object Detection Based on Hard Examples Mining Using Residual Network[J]. Laser & Optoelectronics Progress, 2018, 55(10): 101003.

本文已被 6 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!