数学文献阅读

周五实验室有同学报告了ICCV2013的一篇论文group sparsity and geometry constrained dictionary learning for action recognition from depth maps.这篇文章是关于Sparsing Coding的.Sparse coding并不是我的研究方向.在此仅仅是做个文献阅读后的笔记,权当开拓下我的视野. 从标题就能够看出,这篇论文试图通过学习到group sparsity和geometry constrain

怎样看科研论文 一.先看综述 先读综述,可以更好地认识课题,知道已经做出什么,自己要做什么,,还有什么问题没有解决.对于国内文献一般批评的声音很多.但它是你迅速了解你的研究领域的入口,在此之后,你再看外文文献会比一开始直接看外文文献理解的快得多.而国外的综述多为本学科的资深人士撰写,涉及范围广,可以让人事半功倍. 二.有针对地选择文献针对你自己的方向,找相近的论文来读,从中理解文章中回答什么问题,通过哪些技术手段来证明,有哪些结论?从这些文章中,了解研究思路,逻辑推论,学习技术方法.1. 关键词

空间插值技术应用必读论文---P. Goovaerts, Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of Hydrology, 2000, 113-129. 本博文从研究意义.研究区及预处理.所使用的插值方法以及对插值方法的评价这四个角度对该文进行了详细评述,并分析了该文的一些不足. 1内容评述 该文利用三种以高程作为辅助信息的

文献题目如下: [1] 2002 ICIP Face photo recognition using sketch [2] 2005 CVPR a nonlinear approach for face sketch synthesis and recognition [3] 2017 Data-driven vs. model-driven Fast face sketch synthesis 本周刚入实验室,粗略地阅读张老师推荐的三篇论文,了解一下研究方向. 大方向:人脸识别(face re

  12.深度学习的昨天.今天和明天(中文,期刊,2013年,知网) 记录了Hinton提出的两个重要观点:一是多隐层神经网络具有优异的特征学习能力,而是深度网络在训练上的难度可通过"逐层初始化"有效克服.详细描述了及机器学习的两次浪潮:浅层学习和深度学习,并指出深度学习研发面临的重大问题,属于一篇技术总结性文章. 13.基于卷积神经网络的植物叶片分类(中文,期刊,2014年,知网). 主要讲述CNN的发展历史. 14.改进的深度卷积网络及在碎纸片拼接中的应用(中文,期刊,2014年,

31.卷积神经网络及其在及其视觉中的应用(Convolutional Networks and applications in Vision)(英文,会议论文,2010年,IEEE检索) 文章对CNN的原理.结构介绍得比较详细,总结了卷积神经网络在很多方面的应用,并给出了CNN的无监督训练改进方案,做了大量对比实现,参考文献具有权威性. 32.卷积网络和非卷积网络的联合训练(Joint training of convolutional and non-convoltional neural n

61.基于PCANet-RF的人脸检测系统(中文,期刊,2016,知网) PCANet人脸检测. 62.使用人脸图像的SVM性别分类(Gender Identification using SVM Based on Human Face Images)(英文,会议,2014,EI检索) 就是单纯的使用LBP+SVM进行性别识别,之处在性别识别中多项式核要优于高斯核. 63.基于深度神经网络和树搜索的围棋博弈(英文,期刊,2016,Nature) 这是2016年击败人类的AlphaGo模型对应的论

转眼间已经研二了,突然想把以前看过的文献总结总结与大家分享,留作纪念,方便以后参考. 1.深度追踪:通过卷积网络进行差异特征学习的视觉追踪(DeepTrack:Learning Discriminative Feature Representations by Convolutional Neural Networks for visual Tracking)(英文,会议论文,2014年,EI检索) 将卷积神经网络用于目标跟踪的一篇文章,可将CNN不仅仅可以用做模式识别,做目标跟踪也是可以,毕竟

摘要: 肺部分割即计算机确定肺与周围胸部组织边界的过程,是图像分析的重要的一步.然而,几乎现在所有的图像分割方法仅适用于只有很少或没有病理情况.当中度或大量的疾病或异常的具有挑战性的形状或外观存在于肺部时,由于不准确的分割,计算机辅助检测系统可能是很可能无法描绘这些不正常的区域.特别是,如胸腔积液,实变,和大量的不准确分割,大大限制了在临床研究中使用图像处理方法.在本文中,提出了基于CT图像的肺实质分割方法的批判性总结,尤其对异常和典型的病理检查结果方法的精度和性能进行了特别强调. 现有的分割方