中国科学院机构知识库网格
Chinese Academy of Sciences Institutional Repositories Grid
首页
机构
成果
学者
登录
注册
登陆
×
验证码:
换一张
忘记密码?
记住我
×
校外用户登录
CAS IR Grid
机构
自动化研究所 [3]
西安光学精密机械研究... [2]
采集方式
OAI收割 [5]
内容类型
期刊论文 [4]
学位论文 [1]
发表日期
2023 [2]
2020 [1]
2015 [1]
学科主题
筛选
浏览/检索结果:
共5条,第1-5条
帮助
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
题名升序
题名降序
提交时间升序
提交时间降序
作者升序
作者降序
发表日期升序
发表日期降序
Multi-modal spatial relational attention networks for visual question answering
期刊论文
OAI收割
IMAGE AND VISION COMPUTING, 2023, 卷号: 140, 页码: 13
作者:
Yao, Haibo
;
Wang, Lipeng
;
Cai, Chengtao
;
Sun, Yuxin
;
Zhang, Zhi
  |  
收藏
  |  
浏览/下载:20/0
  |  
提交时间:2024/02/22
Visual question answering
Spatial relation
Attention mechanism
Pre -training strategy
Visual attention-based siamese CNN with SoftmaxFocal loss for laser-induced damage change detection of optical elements
期刊论文
OAI收割
NEUROCOMPUTING, 2023, 卷号: 517
作者:
Kou, Jingwei
;
Zhan, Tao
;
Zhou, Deyun
;
Xie, Yu
;
Da, Zhengshang
  |  
收藏
  |  
浏览/下载:53/0
  |  
提交时间:2022/12/02
Laser-induced damage
Change detection
Siamese convolutional neural network
Visual attention mechanism
SoftmaxFocal loss
Siamese High-Level Feature Refine Network for Visual Object Tracking
期刊论文
OAI收割
ELECTRONICS, 2020, 卷号: 9, 期号: 11, 页码: 21
作者:
Rahman, Md. Maklachur
;
Ahmed, Md Rishad
;
Laishram, Lamyanba
;
Kim, Seock Ho
;
Jung, Soon Ki
  |  
收藏
  |  
浏览/下载:29/0
  |  
提交时间:2021/01/06
siamese network
visual object tracking
feature refine network
attention mechanism
复杂场景下基于视觉注意显著性特征目标跟踪方法研究
学位论文
OAI收割
工学博士, 中国科学院自动化研究所: 中国科学院大学, 2015
作者:
刘林山
收藏
  |  
浏览/下载:103/0
  |  
提交时间:2015/09/02
视觉注意显著性
特征区分度
判别力
自适应性
评价机制
目标跟踪
Visual attention saliency
feature distinctions degree
discriminant
adaptability
evaluation mechanism
object tracking
Mutual Attention Inception Network for Remote Sensing Visual Question Answering
期刊论文
OAI收割
IEEE Transactions on Geoscience and Remote Sensing
作者:
Zheng, Xiangtao
;
Wang, Binqiang
;
Du, Xingqian
;
Lu, Xiaoqiang
  |  
收藏
  |  
浏览/下载:42/0
  |  
提交时间:2021/06/22
Attention mechanism
feature fusion
remote sensing visual question answering (RSVQA)
semantic understanding