机构

Yandex

公司 莫斯科,俄罗斯
内容:Yandex是一家总部设在俄罗斯莫斯科的公司组织。它以在分支分数和Web搜索查询方betway亚洲面的研究贡献而闻名。该组织有1285位作者,发表了1592篇出版物,获得了27537次引用。该组织也被称为:Yandex N.V. & Yandex .ru。
论文
多个过滤器

本章 DOI
06年9月2014年
TL;博士:当卷积神经网络被训练为一个不相关的分类任务(例如Image-Net)时,神经代码仍然具有竞争性,并且当网络被重新训练到一个与测试时遇到的图像相似的图像集时,神经代码的检索性能得到了提高。
文摘:研究表明,在大型卷积神经网络的顶层中,图像调用的激活提供了图像视觉内容的高级描述符。在本文中,我们研究了这种描述符(神经编码)在图像检索应用程序中的使用。在几个标准检索基准的实验中,我们建立了即使卷积神经网络已经被训练为一个不相关的分类任务(例如Image-Net),神经代码仍然具有竞争性。我们还评估了神经代码检索性能的改进,当网络在一个图像数据集上重新训练时,遇到的图像与测试时相似。

976引用


期刊文章 DOI
文摘:问:北极的主要植被单位是什么?它们的组成是什么?它们在主要生物气候亚带和国家之间是如何分布的?地理位置:北极苔原地区,林木线以北。方法:利用高分辨率辐射计(AVHRR)基础图像,采用图像解译方法对植被进行圈定。9个北极地区的制图专家利用地理信息技术(ArcInfo)编制了北极地区的地图草稿,然后将这些草稿综合起来制成最终的地图。根据生物气候分区和国家对地图进行区域分析。综合制图程序产生了植被、地形、土壤、景观、湖泊覆盖、基质pH值和地上生物量的其他地图。结果:最终地图按1:7 50万比例尺出版。在北极圈(总面积为7.11·106 km2)内,植被约为5.05·10·6 km2。其余部分被冰覆盖。地图图例通常描绘了每个地图多边形内的地带性植被。 About 26% of the vegetated area is erect shrublands, 18% peaty graminoid tundras, 13% mountain complexes, 12% barrens, 11% mineral graminoid tundras, 11% prostrate-shrub tundras, and 7% wetlands. Canada has by far the most terrain in the High Arctic mostly associated with abundant barren types and prostrate dwarf-shrub tundra, whereas Russia has the largest area in the Low Arctic, predominantly low-shrub tundra. Conclusions: The CAVM is the first vegetation map of an entire global biome at a comparable resolution. The consistent treatment of the vegetation across the circumpolar Arctic, abundant ancillary material, and digital database should promote the application to numerous land-use, and climate-change applications and will make updating the map relatively easy.

907引用


期刊文章 DOI
Roel Aaij 1Bernardo Adeva 2马可Adinolfi 3.答:a . Affolder 4 + 719多 机构(49
文摘:给出了Λ0b→J/ψK−p衰变中J/ψp通道中的奇异结构(我们称之为五夸克-charmonium态)的观察结果。数据样本对应于LHCb探测器从7 TeV pp和8 TeV pp碰撞中获得的3/fb的积分光度。对三体的最终状态进行了振幅分析,再现了两体的质量和角度分布。为了获得在J/ψ谱中所见结构的满意拟合,有必要包括两个分别描述共振态的Breit-Wigner振幅。每个共振的显著性都超过9个标准差。其中一个的质量为4380±8±29 MeV,宽度为205±18±86 MeV;第二个较窄,质量为4449.8±1.7±2.5 MeV,宽度为39±5±19 MeV。首选的JP分配具有相反的奇偶校验,其中一个状态自旋为3/2,另一个为5/2。

732引用


学报的文章
2016年6月19日
TL;博士:这项工作提出了一种替代方法,将计算负担转移到学习阶段,训练紧凑的前馈卷积网络,以生成任意大小的相同纹理的多个样本,并将给定图像的艺术风格转移到任何其他图像。
文摘:Gatys等人最近证明,深度网络可以从单个纹理示例生成美丽的纹理和程式化的图像。然而,他们的方法需要一个缓慢和消耗内存的优化过程。我们在这里提出了一种替代方法,将计算负担转移到学习阶段。给定一个纹理示例,我们的方法训练紧凑的前馈卷积网络,生成任意大小的相同纹理的多个样本,并将给定图像的艺术风格转移到任何其他图像。由此产生的网络重量非常轻,可以生成与Gatys等人相当质量的纹理,但速度快了数百倍。更一般地说,我们的方法强调了生成前馈模型的能力和灵活性,该模型使用复杂和有表达性的损失函数进行训练。

728引用


发布的内容
文摘:研究表明,在大型卷积神经网络的顶层中,图像调用的激活提供了图像视觉内容的高级描述符。在本文中,我们研究了这种描述符(神经编码)在图像检索应用程序中的使用。在几个标准检索基准的实验中,我们建立了即使卷积神经网络已经被训练为一个不相关的分类任务(例如\ Image-Net),神经代码仍然具有竞争性。我们还评估了神经代码检索性能的改进,当网络在一个图像数据集上重新训练时,遇到的图像与测试时相似。我们进一步评估了压缩神经代码的性能,并表明一个简单的PCA压缩提供了非常好的短代码,在许多数据集上提供了最先进的准确性。一般来说,与其他最先进的描述符相比,神经编码被证明对这种压缩更有弹性。最后,我们表明,在一对匹配照片的数据集上训练的鉴别降维进一步提高了pca压缩神经编码的性能。总之,我们的定量实验证明了神经编码作为图像检索的视觉描述符的前景。

505引用


作者

显示所有1285个结果

的名字 h指数 论文 引用
费铎Ratnikov 123 1104 67091
丹尼斯john 96 1184 45772
维克多Lempitsky 67 173 30867
安德烈Ustyuzhanin 56 516 14320
V.G.舍甫琴科 48 150 8915
米哈伊尔·Hushchyn 46 529 11123
塔蒂阿娜Likhomanenko 45 165 8309
谢尔盖诉Dorozhkin 45 168 10117
马克西姆Borisyak 45 517 10747
谢尔盖·n·奥洛夫 44 328 6194
Egor Khairullin 44 307 8873
伊凡诉Oseledets 40 276 7762
弗拉基米尔•Poroikov 39 231 5835
亚历山大Baranov 38 287 7354
瓦迪姆·m·Govorun 36 235 5011
网络信息
相关机构(5)
微软

86.9 k论文4.1米引用

79%相关

谷歌

39.8 k论文2.1米引用

79%相关

卡内基梅隆大学

104.3 k论文5.9米引用

78%相关

特兰托大学

30.9 k论文896.6 k引用

75%相关

马萨诸塞大学阿默斯特分校

83.9 k论文3.8米引用

75%相关

性能
指标
不。的论文
一年 论文
2022 3.
2021 105
2020 185
2019 235
2018 180
2017 187