搜索资源列表
SaliencyToolbox_V2.2
- 基于注意力机制,实现彩色图像显著区域提取.源于Dirk B. Walther-The SaliencyToolbox is a collection of Matlab functions and scr ipts for computing the saliency map for an image, for determining the extent of a proto-object, and for serially scanning the image with the focus
colorimageretrivew
- 实现彩色图像显著区域提取，基于注意力机制，使用算法包括k-means,分割等。-salient region detection
SaliencyToolbox2.3
- 今年刚更新的最新的工具箱SaliencyToolbox2.3.zip，做图像处理视觉注意力机制相关研究必备的工具。-This year has just updated the latest toolbox SaliencyToolbox2.3.zip, do image processing of visual attention mechanisms related research is an essential tool.
significance-of-visual-attention
- 对现有基于注意力机制的静态显著性计算和动态显著性计算技术进行综述-Significance of existing significant computing and dynamic computing technology based on static attention mechanisms are reviewed
dl-attention-master
- lda主题模型关键词提取，很好用的一个模型(Keyword extraction of LDA theme model)
symbol_resnet
- RACNN注意力机制，细腻度图片分类。 RA-CNN由上到下用了3个尺度并且越来越精细，尺度间构成循环，即上层的输出作为当层的输入。RA-CNN主要包含两部分：每一个尺度上的卷积网络和相邻尺度间的注意力提取网络(APN, Attention Proposal Network)。在每一个尺度中，使用了堆叠的卷积层等，最后接上全连接层于softmax层，输出每一个类别的概率；这个是很好理解的，代码采用的网络结构是VGG的网络结构。(RACNN attention mechanism)
GAT-master
- 图注意力机制神经网络，添加监督信息来训练图神经网络(Training Graph Neural Network for Classification)
SeNet的pytorch实现版本
- 深度学习视觉注意力机制SeNet的pytorch实现版本，包括了SeLayers的实现，SeNet模型以及在Imagenet数据集上的训练代码。
chatbot
- 聊天机器人 原理： 严谨的说叫 ”基于深度学习的开放域生成对话模型“，框架为Keras（Tensorflow的高层包装），方案为主流的RNN（循环神经网络）的变种LSTM（长短期记忆网络）+seq2seq（序列到序列模型），外加算法Attention Mechanism（注意力机制），分词工具为jieba，UI为Tkinter，基于”青云“语料（10万+闲聊对话）训练。 运行环境：python3.6以上，Tensorflow，pandas，numpy，jieba。(Chat Robot