机译:从尺度不变特征变换关键点进行弱监督学习:一种结合快速特征分解,正则化和图扩散的方法
GREYC-UMR CNRS 6072 Campus Ⅱ-BP 5186, Universite de Caen 14032 Caen Cedex, France;
GREYC-UMR CNRS 6072 Campus Ⅱ-BP 5186, Universite de Caen 14032 Caen Cedex, France,University of Bordj Bou Arreridj, MSE Laboratory, 34000, Algeria;
University of Bordj Bou Arreridj, MSE Laboratory, 34000, Algeria;
GREYC-UMR CNRS 6072 Campus Ⅱ-BP 5186, Universite de Caen 14032 Caen Cedex, France;
high-dimensional data; graph-based learning; spectral graph embedding; regularization on graphs; classification; scale invariant feature transform features;
机译:尺度不变特征变换(SIFT)特征的模糊匹配指数及其在弱监督人脸识别中的应用
机译:用于尺度不变特征变换关键点描述符匹配的全流水线FPGA加速器
机译:使用Graph卷积网络匹配图像关键点匹配的弱监督
机译:用于3D空间中弱监督对象学习的缩放和旋转不变颜色特征
机译:使用比例不变特征变换的快速特征匹配方法。
机译:通过增强鲁棒特征和尺度不变特征变换构造马赛克的金相分析新方法
机译:从Scale Invariant Feature转换关键点的弱监督学习:一种方法,组合快速的eigendecompostion,正则化和图形扩散