蒙特雷科技大学新图书馆

来源 :城市建筑 | 被引量 : 0次 | 上传用户：tastgaoyan1981

【摘要】

：

回回产卜爹仇贱回——回日E回。”。回祖一回“。回干肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》砧叫]们羽制作:陈恬’＃陈川个美食 Back to yield

【出处】

：

城市建筑

【发表日期】

：

2004年期

【关键词】

：

图书馆建筑材料墨西哥

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

回回产卜爹仇贱回——回日E回。”。回祖一回“。回干肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》砧叫]们羽制作:陈恬’＃陈川个美食 Back to yield Buddy revenge - back to Japan E back. “Back once again.” Back to the dried meat in the magic N_. NH lP7-ewwe - “a” $ MN.W; - __._ - ------ "anvil called] feather production: Chen Tian

其他文献

基于改进全卷积神经网络的红外与可见光图像融合方法

基于深度学习的图像融合技术易丢失网络浅层特征信息,难以实现图像的精准识别。提出一种利用全卷积神经网络(FCN)提取特征的红外与可见光图像融合方法。采用非下采样剪切波变换(NSST)对源图像进行多尺度和多方向分解,生成高频子带和低频子带图像,将高频子带输入FCN模型提取多尺度特征,并生成高频子带特征映射图,使用最大加权平均算法完成高频子带的融合,同时采用区域能量和融合策略融合低频子带,对融合后的高频

期刊

卷积神经网络非下采样剪切波变换全卷积神经网络模型多尺度特征特征映射图Convolutional Neural Network(CNN)Non-Subs

基于LRC-SNN的图像高效重建与识别

图像集分类算法种类较多,但多数存在运算繁琐、计算成本高和时效性差的问题。为此,提出一种改进的图像重建与识别算法,利用线性回归分类和共享最近邻子空间分类理论进行图像重建和分类,通过将图像下采样建立的高维空间重建为子空间,避免计算复杂度较高的训练过程。利用各个类别的图像集子空间对测试图像进行回归模型估计,根据回归模型重建测试集中的图像,基于重建图像和原始图像间重建误差最小化法,采用加权投票策略对测试集

期刊

图像集分类LRC-SNN回归模型误差最小化加权投票策略分类精度计算速度image set classificationLRC-SNN regress

蒙特雷科技大学新图书馆

其他学术论文