Perceptually Inspired Layout-Aware Losses for Image Segmentation

A. Osokin; Kohli P.

doi:10.1007/978-3-319-10605-2_43

Публикации

?

Perceptually Inspired Layout-Aware Losses for Image Segmentation

P. 663–678.

Осокин А. А., Kohli P.

Язык: английский

DOI

Текст на другом сайте

Ключевые слова: support vector machines image segmentation structured prediction perceptual error metric

В книге

Lecture Notes in Computer Science. Proceedings of the 13th European Conference on Computer Vision (ECCV 2014)

* 2. Vol. 8690. , Zürich: Springer, 2014.

Multispectral Remote Information in Forest Research

Пузаченко Ю. Г., Сандлерский Р. Б., Кренке А. Н. и др., Russian Journal of Forest Science 2014 Vol. 7 No. 7 P. 838–854

Предложены подходы к использованию мультиспектральной дистанционной информации в фундаментальных исследованиях пространственно-временной организации биогеоценотического покрова без и с применением наземных полевых измерений. Постулируется, что дистанционные измерения отражают биофизическое состояние биогеоценотического покрова, определяемое процессами поглощения и преобразования солнечной энергии и могут рассматриваться как его свойства. Измерения интерпретируются с позиции термодинамики диссипативных открытых систем. При объединении дистанционной информации ...

Добавлено: 3 сентября 2023 г.

Theoretical and Methodological Substantiation of Boundaries and Integrity in Landscape Cover and Its Components

A. N. Krenke, R. B. Sandlersky, A. S. Baybar и др., Известия РАН. Серия биологическая. 2023 Vol. 50 No. 1 P. S85–S99

Кратко рассмотрены четыре основных модели возникновения границ и, в частном случае, целостности, вытекающих из теории нелинейных динамических систем. На основе фундаментальной теоремы отсчета Котельникова и, соответственно, общей теории информации исследуется характер выделяемой границы, как функции частоты опробования в пространственном ряду с регулярным шагом, и вводится единица измерения “берг” – одно полное колебание на один километр, ...

Добавлено: 2 декабря 2022 г.

Object Segmentation Without Labels with Large-Scale Generative Models

Voynov A., Morozov S., Бабенко А. В., , in: Proceedings of the 38th International Conference on Machine Learning (ICML 2021)Vol. 139.: PMLR, 2021. P. 10596–10606.

Добавлено: 27 декабря 2021 г.

Social media mining for ideation: Identification of sustainable solutions and opinions

Ozcan S., Suloglu M., Sakar C. O. и др., Technovation 2021 Vol. 107 No. September 2021 P. 1–12

The availability of social media-based data creates opportunities to obtain information about consumers, trends, companies and technologies using text mining techniques. However, the quality of the data is a significant concern for social media-based analyses. The aim of this study was to mine tweets (microblogs) to explore trends and retrieve ideas for various purposes such ...

Добавлено: 12 декабря 2021 г.

Uncertainty Estimation in Autoregressive Structured Prediction

Andrey Malinin, Gales M., , in: Proceedings of the 9th International Conference on Learning Representations (ICLR 2021). ICLR, 2021.: ICLR, 2021. P. 1–31.

Добавлено: 1 ноября 2021 г.

Intelligent Data Processing 11th International Conference, IDP 2016, Barcelona, Spain, October 10–14, 2016, Revised Selected Papers

Switzerland: Springer, 2019.

Добавлено: 8 февраля 2020 г.

Pattern Recognition and Image Analysis

Springer, 2019.

Добавлено: 23 сентября 2019 г.

Application of NLP Algorithms: Automatic Text Classifier Tool

Романов А. Ю., Ekaterina Kozlova, Lomotin Konstantin, , in: Digital Transformation and Global Society. Third International Conference, DTGS 2018, St. Petersburg, Russia, 2018, Revised Selected Papers. Part II. Communications in Computer and Information Science 859Issue 859.: Springer, 2018. P. 310–323.

Добавлено: 26 августа 2019 г.

Pollen Grain Recognition Using Convolutional Neural Network

Khanzhina N., Putin E., Filchenkov A. и др., , in: 2018 proceedings of European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2018),Bruges (Belgium), 25-27 April 2018.: ESANN, 2018. P. 409–414.

Добавлено: 21 января 2019 г.

Gray-box Inference for Structured Gaussian Process Models

Galliani P., Dezfouli A., Bonilla E. и др., , in: Proceedings of Machine Learning Research. 2017. Volume 54: Artificial Intelligence and StatisticsVol. 54: Artificial Intelligence and Statistics.: [б.и.], 2017. P. 353–361.

Добавлено: 10 декабря 2018 г.

Computer Vision – ECCV 2018. 15th European Conference, Munich, Germany, September 8–14, 2018, Proceedings, Part XII

Cham: Springer, 2018.

Добавлено: 31 октября 2018 г.

15th European Conference, Munich, Germany, September 8-14, 2018, Proceedings

Springer, 2018.

Добавлено: 30 октября 2018 г.

Quantifying Learning Guarantees for Convex but Inconsistent Surrogates

Струминский К. А., Lacoste-Julien S., Осокин А. А., , in: Advances in Neural Information Processing Systems 31 (NIPS 2018).: [б.и.], 2018. P. 1–9.

Добавлено: 29 октября 2018 г.

Marginal Weighted Maximum Log-likelihood for Efficient Learning of Perturb-and-Map models

Shpakova T., Bach F., Осокин А. А., , in: Proceedings of the international conference on Uncertainty in Artificial Intelligence (UAI 2018).: [б.и.], 2018. P. 1–11.

Добавлено: 29 октября 2018 г.

SEARNN: Training RNNs with global-local losses

Leblond R., Alayrac J., Осокин А. А. и др., , in: Proceedings of the 6th International Conference on Learning Representations (ICLR 2018).: [б.и.], 2018. P. 1–16.

Добавлено: 29 октября 2018 г.

Proceedings of Analysis of Images, Social Networks and Texts – 7th International Conference, AIST 2018, Moscow, Russia, July 5-7, 2018, Revised Selected Papers. Lecture Notes in Computer Science

Berlin: Springer, 2018.

This book constitutes the proceedings of the 7th International Conference on Analysis of Images, Social Networks and Texts, AIST 2018, held in Moscow, Russia, in July 2018. The 29 full papers were carefully reviewed and selected from 107 submissions (of which 26 papers were rejected without being reviewed). The papers are organized in topical sections on ...

Добавлено: 5 сентября 2018 г.

Intelligent Systems and Applications

Cham: Springer, 2019.

Добавлено: 29 августа 2018 г.

Black-Box Classification Techniques for Demographic Sequences: from Customised SVM to RNN

A. Muratova, P. Sushko, T. Espy, , in: Proceedings of the Fourth Workshop on Experimental Economics and Machine Learning (EEML 2017), Dresden, Germany, September 17-18, 2017Vol. 1968.: Aachen: CEUR Workshop Proceedings, 2017. P. 31–40.

Nowadays there is a large amount of demographic data which should be analysed and interpreted. From accumulated demographic data, more useful information can be extracted by applying modern methods of data mining. The aim of this study is to compare the methods of classification of demographic data by customizing the SVM kernels using various similarity ...

Добавлено: 9 декабря 2017 г.

On Structured Prediction Theory with Calibrated Convex Surrogate Losses

Осокин А. А., Bach F., Lacoste-Julien S., , in: Advances in Neural Information Processing Systems 30 (NIPS 2017).: Montreal: Curran Associates, 2017. P. 302–313.

Добавлено: 19 октября 2017 г.