中文版 | English

在结果中检索

OPT OpenIR
（本次检索基于用户作品认领结果）

浏览/检索结果: 共15条，第1-10条 帮助

限定条件            
已选(0)清除 条数/页：   排序方式：
TTH-RNN: Tensor-Train Hierarchical Recurrent Neural Network for Video Summarization 期刊论文
IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, 2021, 卷号: 68, 期号: 4, 页码: 3629-3637
作者:  Zhao, Bin;  Li, Xuelong;  Lu, Xiaoqiang
Adobe PDF(1796Kb)  |  收藏  |  浏览/下载：213/0  |  提交时间：2021/01/07
Recurrent neural networks  Training  Task analysis  Tensors  Matrix decomposition  Standards  Feature extraction  Hierarchical structure  tensor-train embedding layer  video summarization  
Vision-to-Language Tasks Based on Attributes and Attention Mechanism 期刊论文
IEEE TRANSACTIONS ON CYBERNETICS, 2021, 卷号: 51, 期号: 2, 页码: 913-926
作者:  Li, Xuelong;  Yuan, Aihong;  Lu, Xiaoqiang
Adobe PDF(3082Kb)  |  收藏  |  浏览/下载：169/0  |  提交时间：2021/02/22
Deep learning  image captioning  multimodal  visual question answering (VQA)  
Nonlocal Graph Convolutional Networks for Hyperspectral Image Classification 期刊论文
IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, 2020, 卷号: 58, 期号: 12, 页码: 8246-8257
作者:  Mou, Lichao;  Lu, Xiaoqiang;  Li, Xuelong;  Zhu, Xiao Xiang
Adobe PDF(10395Kb)  |  收藏  |  浏览/下载：249/0  |  提交时间：2020/12/21
Hyperspectral imaging  Convolution  Task analysis  Recurrent neural networks  Semisupervised learning  Support vector machines  Graph convolutional network (GCN)  hyperspectral image classification  nonlocal graph  semisupervised learning  
Property-Constrained Dual Learning for Video Summarization 期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2020, 卷号: 31, 期号: 10, 页码: 3989-4000
作者:  Zhao, Bin;  Li, Xuelong;  Lu, Xiaoqiang
Adobe PDF(2537Kb)  |  收藏  |  浏览/下载：186/0  |  提交时间：2020/11/02
Generators  Task analysis  Recurrent neural networks  Machine learning  Training  Semantics  Learning systems  Dual learning  property model  recurrent neural network (RNN)  video summarization  
Siamese Dilated Inception Hashing With Intra-Group Correlation Enhancement for Image Retrieval 期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2020, 卷号: 31, 期号: 8, 页码: 3032-3046
作者:  Lu, Xiaoqiang;  Chen, Yaxiong;  Li, Xuelong
Adobe PDF(3109Kb)  |  收藏  |  浏览/下载：275/0  |  提交时间：2020/09/04
Correlation  Hash functions  Semantics  Training  Approximation algorithms  Convolution  Image retrieval  Category-level semantics  deep hashing  image retrieval  multi-scale contextual information  
Unsupervised learning of human action categories in still images with deep representations 期刊论文
ACM Transactions on Multimedia Computing, Communications and Applications, 2019, 卷号: 15, 期号: 4
作者:  Zheng, Yunpeng;  Li, Xuelong;  Lu, Xiaoqiang
Adobe PDF(23484Kb)  |  收藏  |  浏览/下载：211/2  |  提交时间：2020/01/17
Action categorization  unsupervised learning  deep representations  
CAM-RNN: Co-Attention Model Based RNN for Video Captioning 期刊论文
IEEE TRANSACTIONS ON IMAGE PROCESSING, 2019, 卷号: 28, 期号: 11
作者:  Zhao, Bin;  Li, Xuelong;  Lu, Xiaoqiang
Adobe PDF(6676Kb)  |  收藏  |  浏览/下载：277/2  |  提交时间：2019/09/24
Attention model  video captioning  recurrent neural network  
Semantic Descriptions of High-Resolution Remote Sensing Images 期刊论文
IEEE Geoscience and Remote Sensing Letters, 2019, 卷号: 16, 期号: 8, 页码: 1274-1278
作者:  Wang, Binqiang;  Lu, Xiaoqiang;  Zheng, Xiangtao;  Li, Xuelong
Adobe PDF(1229Kb)  |  收藏  |  浏览/下载：200/0  |  提交时间：2019/08/11
High-resolution remote sensing image  semantic understanding  
Multi-modal gated recurrent units for image description 期刊论文
Multimedia Tools and Applications, 2018, 卷号: 77, 期号: 22, 页码: 29847-29869
作者:  Li, Xuelong;  Yuan, Aihong;  Lu, Xiaoqiang
Adobe PDF(2037Kb)  |  收藏  |  浏览/下载：133/0  |  提交时间：2018/12/18
Image Description  Gated Recurrent Unit  Convolutional Neural Network  Multi-modal Embedding  
Hierarchical Recurrent Neural Hashing for Image Retrieval With Hierarchical Convolutional Features 期刊论文
IEEE TRANSACTIONS ON IMAGE PROCESSING, 2018, 卷号: 27, 期号: 1, 页码: 106-120
作者:  Lu, Xiaoqiang;  Chen, Yaxiong;  Li, Xuelong
Adobe PDF(2781Kb)  |  收藏  |  浏览/下载：253/1  |  提交时间：2017/12/25
Image Retrieval  Supervised Hashing  Hierarchical Convolutional Features  Hierarchical Rnn