您的位置： 专家智库 > >

吴文熙

作品数：4 被引量：2H指数：1
供职机构：中山大学更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 3篇专利
  • 1篇期刊文章

领域

  • 2篇自动化与计算...

主题

  • 3篇网络
  • 2篇精细化
  • 1篇多分类器
  • 1篇语义
  • 1篇语义知识
  • 1篇预设
  • 1篇神经网
  • 1篇神经网络
  • 1篇数据集
  • 1篇数据识别
  • 1篇随机梯度
  • 1篇图像
  • 1篇迁移
  • 1篇浅层
  • 1篇主干网
  • 1篇主干网络
  • 1篇向量
  • 1篇向量化
  • 1篇计算机
  • 1篇计算机视觉

机构

  • 4篇中山大学
  • 1篇中兴通讯股份...

作者

  • 4篇吴文熙
  • 2篇王青
  • 2篇聂琳
  • 1篇林倞
  • 1篇董振江
  • 1篇高燕

传媒

  • 1篇中兴通讯技术

年份

  • 1篇2021
  • 2篇2018
  • 1篇2017
共 4 条 记 录，以下是 1-4
全选 清除 导出
排序方式：
车辆属性识别及跨场景标注方案被引量：2
2017年
提出采用一种基于深度学习的识别方法,来辅助获取训练模型中所需要的车辆属性标签。该方法首先利用海报图像构建大规模车辆属性数据集(SYSUZTE-CARS),训练基于卷积神经网络(CNN)的识别模型,再将模型迁移到监测控制场景中进行标注测试,间接获取属性标签。采用CNN+softmax分类器的结构作为基本框架,引入细粒度识别技术以进一步优化识别性能。利用5种常用车辆属性进行测试,实验结果表明:所提出的方案不仅在SYSU-ZTE-CARS数据集上的识别精度高,而且在监测控制场景下的标注结果也很可靠。
董振江高燕吴文熙
关键词：CNN计算机视觉
一种用于物体精细识别的层次语义嵌入模型及其实现方法
本发明公开了一种用于物体精细识别的层次语义嵌入模型及其实现方法，所述层次语义嵌入模型包括：主干网络，用于对输入图像的浅层特征进行提取，以特征图的形式输出至各分支网络；若干分支网络，用于对主干网络输出的图像浅层特征图进行进...
聂琳吴文熙陈添水王青
文献传递
一种用于精细化识别车辆属性的深度神经网络及训练方法
本发明公开了一种用于精细化识别车辆属性的深度神经网络及训练方法，该网络包括：深度残差网络，用于对输入的图片进行特征提取，得到特征图；特征迁移层，包括多个特征迁移单元，用于针对各属性识别任务迁移共享的特征，使之适应于特定的...
林倞周启贤吴文熙陈日全
文献传递
一种用于物体精细识别的层次语义嵌入模型及其实现方法
本发明公开了一种用于物体精细识别的层次语义嵌入模型及其实现方法，所述层次语义嵌入模型包括：主干网络，用于对输入图像的浅层特征进行提取，以特征图的形式输出至各分支网络；若干分支网络，用于对主干网络输出的图像浅层特征图进行进...
聂琳吴文熙陈添水王青
全选 清除 导出
共1页<1>
聚类工具0