:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Lindeberg, Tony
Format:	Preprint
Veröffentlicht:	2019
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	https://arxiv.org/abs/1905.13555
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Provably scale-covariant networks from oriented quasi quadrature measures in cascade
von: Lindeberg, Tony
Veröffentlicht: (2019)

Scale-covariant and scale-invariant Gaussian derivative networks
von: Lindeberg, Tony
Veröffentlicht: (2020)

Scale generalisation properties of extended scale-covariant and scale-invariant Gaussian derivative networks on image datasets with spatial scaling variations
von: Perzanowski, Andrzej, et al.
Veröffentlicht: (2024)

Exploring the ability of CNNs to generalise to previously unseen scales over wide scale ranges
von: Jansson, Ylva, et al.
Veröffentlicht: (2020)

Scale-invariant Gaussian derivative residual networks
von: Perzanowski, Andrzej, et al.
Veröffentlicht: (2026)

Understanding when spatial transformer networks do not support invariance, and what to do about it
von: Finnveden, Lukas, et al.
Veröffentlicht: (2020)

Approximation properties relative to continuous scale space for hybrid discretizations of Gaussian derivative operators
von: Lindeberg, Tony
Veröffentlicht: (2024)

Covariant spatio-temporal receptive fields for spiking neural networks
von: Pedersen, Jens Egholm, et al.
Veröffentlicht: (2024)

The problems with using STNs to align CNN feature maps
von: Finnveden, Lukas, et al.
Veröffentlicht: (2020)

Hybrid Lie semi-group and cascade structures for the generalized Gaussian derivative model for visual receptive fields
von: Lindeberg, Tony
Veröffentlicht: (2025)

Inability of spatial transformations of CNN feature maps to support invariant recognition
von: Jansson, Ylva, et al.
Veröffentlicht: (2020)

Unified theory for joint covariance properties under geometric image transformations for spatio-temporal receptive fields according to the generalized Gaussian derivative model for visual receptive fields
von: Lindeberg, Tony
Veröffentlicht: (2023)

Relationships between the degrees of freedom in the affine Gaussian derivative model for visual receptive fields and 2-D affine image transformations, with application to covariance properties of simple cells in the primary visual cortex
von: Lindeberg, Tony
Veröffentlicht: (2024)

Modelling and analysis of the 8 filters from the "master key filters hypothesis" for depthwise-separable deep networks in relation to idealized receptive fields based on scale-space theory
von: Lindeberg, Tony, et al.
Veröffentlicht: (2025)

COOD: Combined out-of-distribution detection using multiple measures for anomaly & novel class detection in large-scale hierarchical classification
von: Hogeweg, L. E., et al.
Veröffentlicht: (2024)

MPCM-Net: Multi-scale network integrates partial attention convolution with Mamba for ground-based cloud image segmentation
von: Niu, Penghui, et al.
Veröffentlicht: (2025)

A hierarchical loss and its problems when classifying non-hierarchically
von: Wu, Cinna, et al.
Veröffentlicht: (2017)

Discrete approximations of Gaussian smoothing and Gaussian derivatives
von: Lindeberg, Tony
Veröffentlicht: (2023)

Power-scaled Bayesian Inference with Score-based Generative Models
von: Erdinc, Huseyin Tuna, et al.
Veröffentlicht: (2025)

Large-scale Dataset Pruning with Dynamic Uncertainty
von: He, Muyang, et al.
Veröffentlicht: (2023)

Out-Of-Distribution Detection with Diversification (Provably)
von: Yao, Haiyun, et al.
Veröffentlicht: (2024)

Inverse problem regularization with hierarchical variational autoencoders
von: Prost, Jean, et al.
Veröffentlicht: (2023)

Laplacian Multi-scale Flow Matching for Generative Modeling
von: Zhao, Zelin, et al.
Veröffentlicht: (2026)

Class incremental learning with probability dampening and cascaded gated classifier
von: Pomponi, Jary, et al.
Veröffentlicht: (2024)

LargeMvC-Net: Anchor-based Deep Unfolding Network for Large-scale Multi-view Clustering
von: Du, Shide, et al.
Veröffentlicht: (2025)

Ensemble everything everywhere: Multi-scale aggregation for adversarial robustness
von: Fort, Stanislav, et al.
Veröffentlicht: (2024)

Provable Uncertainty Decomposition via Higher-Order Calibration
von: Ahdritz, Gustaf, et al.
Veröffentlicht: (2024)

GrainPaint: A multi-scale diffusion-based generative model for microstructure reconstruction of large-scale objects
von: Hoffman, Nathan, et al.
Veröffentlicht: (2025)

On Hallucinations in Inverse Problems: Fundamental Limits and Provable Assessment Methods
von: Iagaru, David, et al.
Veröffentlicht: (2026)

Provably Improving Generalization of Few-Shot Models with Synthetic Data
von: Nguyen, Lan-Cuong, et al.
Veröffentlicht: (2025)

LipSim: A Provably Robust Perceptual Similarity Metric
von: Ghazanfari, Sara, et al.
Veröffentlicht: (2023)

GD doesn't make the cut: Three ways that non-differentiability affects neural network training
von: Kumar, Siddharth Krishna
Veröffentlicht: (2024)

UNIFORM: Unifying Knowledge from Large-scale and Diverse Pre-trained Models
von: Wang, Yimu, et al.
Veröffentlicht: (2025)

Rethinking Large-scale Dataset Compression: Shifting Focus From Labels to Images
von: Xiao, Lingao, et al.
Veröffentlicht: (2025)

Erwin: A Tree-based Hierarchical Transformer for Large-scale Physical Systems
von: Zhdanov, Maksim, et al.
Veröffentlicht: (2025)

DFU: scale-robust diffusion model for zero-shot super-resolution image generation
von: Havrilla, Alex, et al.
Veröffentlicht: (2023)

Large-scale Pre-trained Models are Surprisingly Strong in Incremental Novel Class Discovery
von: Liu, Mingxuan, et al.
Veröffentlicht: (2023)

MSCMNet: Multi-scale Semantic Correlation Mining for Visible-Infrared Person Re-Identification
von: Hua, Xuecheng, et al.
Veröffentlicht: (2023)

SeafloorAI: A Large-scale Vision-Language Dataset for Seafloor Geological Survey
von: Nguyen, Kien X., et al.
Veröffentlicht: (2024)

Performance uncertainty in medical image analysis: a large-scale investigation of confidence intervals
von: André, Pascaline, et al.
Veröffentlicht: (2026)