angelsoaring

SqueezeNet AlexNet level accuracy with50x fewer parameters and

Recent research on deep convolutional neural networks (CNNs) has focused primarily on improving accuracy. For a given accuracy level, it is typically

GitHub上传方法.docx

详细介绍如何上传GitHub项目! 1. 先到github 个人网页上建立新的 2. 进入要上传的文件夹内,右键,选择 Git Bash Here 然后,出现如下界面。输入: git clone [刚才建立的新网址] 3. 这个时候,就建立本地 git 链接文件了(红框标记),这个文件可以理解为gi

A Probabilistic Collaborative Representation based Approach for

本资源是2016CVPR文章的代码.文章原文题目是：AProbabilisticCollaborativeRepresentationbasedApproachforPatternClassification

17CVPR_CODE_Learning Dynamic Guidance for Depth Image Enhancement

17CVPR_CODE_LearningDynamicGuidanceforDepthImageEnhancement17cvpr代码

synset_words.txt

最新最权威synset_words.txt，可用于OpenCVdnn模块caffe模型对图片进行分类，识别，做迁移学习，强化学习使用的标签参考。放在与classification_demo.m同一个文件夹下。

去雾算法dehazing最新顶级会议和期刊论文打包下载0814年

本文档涵盖了去雾算法在2008-2014年间的顶级论文，这些论文包括在17、18年顶级期刊和会议（CVPR,ECCV,ICCV）上的论文。本文档没有包含何凯明的DCP和导向滤波器论文。这两篇论文在网上比较好下载。

宽度学习Broad Learning System MATLAB代码2NORB实践

陈俊龙教授团队“BroadLearningSystem:AnEffectiveandEfficientIncrementalLearningSystemWithouttheNeedforDeepArchitecture”的中文综述，原文将在IEEETransactionsonNeuralNetworksa

Wasserstein Auto_Encoders pdf

WeproposetheWassersteinAuto-Encoder(WAE)|anewalgorithmforbuildingagenerativemodelofthedatadistribution.WAEminimizesapenalizedformoftheWassersteindista

去雾算法dehazing最新顶级会议和期刊论文打包下载17_18年

本文档涵盖了2017-2018（3月之前）几乎全部的顶级论文，这些论文包括在17、18年顶级期刊和会议（CVPR,ECCV,ICCV）上的论文，也有许多是最新提出的基于深度学习模型的去雾算法，在arXiv上共享但还未发表。

宽度学习BroadLearningSystemMATLAB代码1MNIST实践

澳门大学陈俊龙|宽度学习系统：一种不需要深度结构的高效增量学习系统原文BroadLearningSystem:AnEffectiveandEfficientIncrementalLearningSystemWithouttheNeedforDeepArchitectureIEEETransactionso