顶刊TIP论文解读

来自西安交通大学、伊利诺伊大学芝加哥分校和Wormpex AI Research等研究机构的团队提出了一种简单而有效的实例运动趋势网络 (Instance Motion Tendency Networ

来自中国科学院自动化研究所的研究团队提出一种姿势外观联合关系建模网络 (Pose- Appearance Relational Network，PARNet) 发表在图像领域顶级期刊IEEE TIP上

来自武汉大学测绘遥感信息工程国家重点实验室的研究团队提出了一种用于 HMCD 的无监督二元变化引导的高光谱多类变化检测网络 (Binary Change Guided hyperspectral

来自中国科学院大学、鹏城实验室和天津大学的研究团队认为模型训练时的采样策略起着同样重要的作用**，作者分析了同一框架和损失函数下各种采样策略之间性能差异的原因