首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    ICLR 2018 | 阿姆斯特丹大学论文提出球面CNN:可用于3D模型识别和雾化能量回归

    选自arXiv 机器之心编译 参与:李舒阳、许迪 通过类比平面CNN,本文提出一种称之为球面CNN的神经网络,用于检测球面图像上任意旋转的局部模式;本文还展示了球面 CNN 在三维模型识别和雾化能量回归问题中的计算效率、数值精度和有效性。 1 引言 卷积神经网络(CNN)可以检测出图像任意位置的局部模式。与平面图像相似,球面图像的局部模式也可以移动,但这里的「移动」是指三维旋转而非平移。类比平面 CNN,我们希望构造一个神经网络,用于检测球面图像上任意旋转的局部模式。 如图 1 所示,平移卷积或互相关的方法

    08

    Mathematica在空间解析几何中的应用之旋转曲面

    空间解析几何是大学数学的基础课程之一,是通向高等数学的桥梁,线性代数、数学分析、微分方程、高等几何等均离不开空间解析几何的基本知识与研究方法。它是用代数的方法研究几何图形的一门学科,它主要讲解了包括向量代数、空间直线和平面、常见曲面、坐标变换、二次曲线方程等问题。 通过学习解析几何,学生能树立起空间观念、能受到几何直观及逻辑推理方面的训练,扩大知识领域,培养空间想象能力。但是,在初次接触解析几何时,由于学生的空间想象能力不够,其学习会有一定的阻碍;而立体空间难以描述对教师的教学也有很大的挑战。 一款强大的

    07
    领券