当前位置：
首页 资源下载
搜索资源 - Attention Mechanism
搜索资源列表
-
0下载：
初学OPNET，个人觉得要注重三个方面：
1，OPNET 的网络仿真机制，包括三层建模、离散事件驱动仿真机制、通信机制、
有限状态机等，主要是看帮助文档中的原理部分；
2，OPNET 的核心函数，多看帮助文档中各核心函数的介绍以及示例很有帮助；
3，掌握ODB 的调试，个人感觉OPNET 的调试不难，关键是要善于从OPNET 的仿真
原理入手来找可能的错误所在，我的经验就是按着数据走的流程来分析。
另外，有时间的话，可以找一个OPNET 提供的标准模块代码来看看，有利于理
-
-
0下载：
Drag and Drop Component Suite Version 4.1 Field test 5, released 16-dec-2001 ?1997-2001 Angus Johnson & Anders Melander http://www.melander.dk/delphi/dragdrop/ ------------------------------------------- Table of Contents: ----------------------
-
-
0下载：
模仿人眼的视觉注意机制，以图像中的稀少点和对比度为特征，求出视觉注意点。-Mimic the human eye visual attention mechanism to image point and a contrast ratio of rare characteristics, find the point of visual attention.
-
-
0下载：
TC-ucos-philos-详细注释.rar
用TC编译ucos并在图像化界面下演示哲学家就餐问题，采用信号量机制，程序有BUG，不能顺利运行，但是我写了很多注释，有兴趣的朋友可以继续做下去，我的邮箱xuxi009@163.com可与我联系。注意图形界面驱动的路径要和源文件中的相同否则无法显示图形界面，相信用过TC的图形界面的明白，呵呵。-TC-ucos-philos-detailed notes. Rar uCOS compiled by TC and the image of i
-
-
0下载：
学brew的朋友注意啦，该资料包括以下N多内容：
BREW 学习之路.doc
BREW编程经验——Dialog机制的使用方式.doc
BREW环境下菜单的制作.doc
BREW优化代码以避免堆存储碎片.doc
BREW中 - 显示和图像.doc
CDMA 1X业务平台BREW.doc
dynamic app(module) access oem layer的机制介绍.doc
IAlert 接口使用说明.doc
IAlert接口使用说明.pdf
ITopBo
-
-
0下载：
SIP协议是NGN中的重要协议，越来越得到业界的重视。本文通过SIP协议的背景、功能、网络元素、实现机制、以及SIP消
息的组成等几个方面对SIP协议做了全方位的概要性介绍，以使读者对SIP有初步的概念和认识。
-NGN in the SIP protocol is an important agreement has been more industry attention. In this paper, the background of SIP protocol, funct
-
-
0下载：
视觉注意机制一种新型的目标检测方法，该文给出了一种比较有效的处理策略-Visual attention mechanism to target a new detection method, the paper gives a more effective treatment strategies
-
-
0下载：
选择性视觉注意机制下的多光谱图像舰船检测-Selective attention mechanism in the multi-spectral image Ship Detection
-
-
1下载：
该文件夹包括代码及其对应的论文。其作用在于模拟人类视觉系统的生理特性--视觉注意机制，按照人眼观察外界的方式，检测视觉显著性物体和区域，并阐述了显著性区域的显著性密度和尺度之间的关系，可应用于生物视觉模拟、视觉目标检测、视觉目标跟踪、视觉智能监控，以及视觉生理学和视觉心理学等的研究中。-This document contains codes and the corresponding paper. The aim is to simulate a physiological character
-
-
0下载：
基于视觉注意机制的感兴趣区检测，融合视觉注意机制和分水岭分割检测
感兴趣区-Visual attention mechanism based on detecting regions of interest, the integration mechanism of visual attention to detect regions of interest and watershed segmentation
-
-
0下载：
基于视觉注意机制的人脸区域预检测，引用了itti模型-Based visual attention mechanism pre-face region detection, model references itti
-
-
0下载：
基于视觉注意机制的显著物体轮廓感知，运用itti-Visual attention mechanism based on the significant perception of the contour, the use of itti
-
-
0下载：
官方版SaliencyToolbox最新版本，对加载图片进行视觉注意机制的显著性运算，压缩包内含多张素材图片-The latest version of official version SaliencyToolbox of, load the image of the visual attention mechanism, a significant sex operator, compressed packets containing more than one material pictu
-
-
1下载：
基于matlab利用视觉注意机制模型和图像分割技术提取感兴趣区域-The use of visual attention mechanism based on matlab image segmentation technique to extract the model and region of interest
-
-
0下载：
模拟自顶向下视觉注意机制的感知模型研究，有论文，有程序，效果很好-Self-perception model simulation study of top-down visual attention mechanism
-
-
0下载：
根据人类视觉感知理论，采用bottom － up 控制策略的预注意机制和top － down 控制策略
的注意机制，提出了一种适用于自动目标识别的目标检测算法．-According to the theory of human visual perception and using pre － attention mechanisms with the bottom
－ up control strategy and the attention mechanism with the to
-
-
1下载：
Itti算法和他的文章。Itti提出的显著图模型是一种模拟生物体视觉注意机制的选择性注意模型,比较适合处理自然图像。-Itti algorithms and his article. Itti saliency map model proposed is a simulation of selective attention model organism visual attention mechanism, more suitable for processing natural images
-
-
0下载：
注意机制，显著图提取，使用PCA算法！效果理想。-Attention mechanism, saliency map extraction, using PCA algorithm! Effect ideal.
-
-
1下载：
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)
-
-
2下载：
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
-
