...
机译:利用卷积神经网络和补丁统计分类超声波散射器密度分类
Concordia Univ Dept Elect & Comp Engn Montreal PQ H4B 1P6 Canada;
Concordia Univ Dept Elect & Comp Engn Montreal PQ H4B 1P6 Canada;
Univ Nacl Autonoma Mexico Inst Fis Dept Fis Expt Mexico City 04510 DF Mexico;
Univ Wisconsin Dept Med Phys Madison WI 53705 USA;
Concordia Univ Dept Elect & Comp Engn Montreal PQ H4B 1P6 Canada;
Ultrasonic imaging; Phantoms; Imaging; Data models; Nakagami distribution; Radio frequency; Ultrasonic variables measurement; Convolutional neural network (CNN); patch statistics; quantitative ultrasound (QUS); scatterer density;
机译:基于补丁的遥感图像分类卷积神经网络
机译:大补丁卷积神经网络用于高分辨率空间图像的场景分类
机译:深度卷积神经网络在注意力缺陷/多动障碍分类中的应用:数据增强与卷积神经网络转移学习
机译:基于卷积神经网络的基于补丁的甲状腺超声图像纹理分类
机译:结合卷积神经网络和图形神经网络的图像分类
机译:基于深度卷积神经网络的斑块分类用于青光眼早期视网膜神经纤维层缺损的检测
机译:基于补丁的卷积神经网络,用于音乐分数的作者分类问题
机译:基于关键点密度的区域提议,用于使用具有卷积神经网络特征的区域进行细粒度目标检测和分类。