- 综合排序
- 最热优先
- 最新优先
- 来自专栏GiantPandaCV
Nearest-Neighbor Contrastive Learning of Visual Representations
With a Little Help from My Friends: Nearest-Neighbor Contrastive Learning of Visual Representations 1 论文信息 论文题目：With a Little Help from My Friends: Nearest-Neighbor Contrastive Learning of Visual Representations
1.3K20编辑于 2022-09-28 - 来自专栏AI研习社
Github项目推荐 | 深度学习资源，包括一系列架构、模型与建议
Autoencoder with Deconvolutions (without pooling operations) [PyTorch] Convolutional Autoencoder with Nearest-neighbor Interpolation [TensorFlow 1] [PyTorch] Convolutional Autoencoder with Nearest-neighbor Interpolation -- Trained on CelebA [PyTorch] Convolutional Autoencoder with Nearest-neighbor Interpolation -- Trained
1.1K30发布于 2019-07-04 - 来自专栏智药邦
基于文本表示推断化学反应的实验步骤
然后利用该数据集训练了三种不同的模型：基于反应指纹的nearest-neighbor（最近邻）模型，以及两个基于Transformer和BART架构的深度学习Sequence-to-sequence的模型 模型 Nearest-neighbor model（最近邻模型） 。最近邻模型依赖于用反应指纹识别训练集和测试集的相关反应，提供根据分子数目相近的化学方程式改编来的实验操作步骤。 表1：数据集生成过程的筛选反应记录 表2：对合成操作的预测的评估 模型比较 研究人员在Nearest-neighbor、Transformer、Bart模型上训练获取的化学反应操作顺序的数据集，然后以有效性 Nearest-neighbor model模型预测的操作数量与基准操作的分布密切相关。Transformer模型偏向于操作顺序数量较少的预测，而BART模型偏向于操作步骤数量中等的预测。 例如基础数据集中的噪声以及数据集中的错误都可能会导致其准确率匹配低，因而图5(a)中操作顺序的数量分布的差异不是作为判断比较深度学习模型与Nearest-neighbor模型好坏的有效论据。
1.6K30发布于 2021-06-07 - 来自专栏fastmock
css 缩小图片后，图片变模糊的解决办法
image-rendering:-webkit-optimize-contrast; image-rendering: crisp-edges; -ms-interpolation-mode:nearest-neighbor
2.6K10编辑于 2022-07-13 - 来自专栏深度学习技术前沿
深度学习100+经典模型TensorFlow与Pytorch代码实现大合集
Deconvolutions (without pooling operations) [PyTorch: GitHub | Nbviewer] Convolutional Autoencoder with Nearest-neighbor [TensorFlow 1: GitHub | Nbviewer] [PyTorch: GitHub | Nbviewer] Convolutional Autoencoder with Nearest-neighbor Interpolation -- Trained on CelebA [PyTorch: GitHub | Nbviewer] Convolutional Autoencoder with Nearest-neighbor
3.6K31发布于 2020-05-18 - 来自专栏AI算法能力提高班
Pixelization | 数据驱动的像素艺术
因为目前还没有这种成对图像的大比例数据集 构造了非配对像素数据集 Related Work image-20231109101523060 经典的插值方法 nearest-neighbor, bicubic Cell Representation 单元表征 DATASETS unpaired data 原图和像素图 像素图构造 通过原图下采样（Lanczos filter，产生锯齿感）后，再上采样（nearest-neighbor
81220编辑于 2023-11-09 【阅读笔记】Winscale: An Image-Scaling Algorithm Using an Area Pixel Model
一、研究背景与动机 传统插值（nearest-neighbor、bilinear、bicubic）基于“点像素”模型，把像素当成无面积的点，易产生锯齿、模糊或振铃。
14210编辑于 2026-01-25- 来自专栏linux驱动个人学习
图像插值算法及其实现
图像缩放算法往往基于插值实现，常见的图像插值算法包括最近邻插值（Nearest-neighbor）、双线性插值（Bilinear）、双立方插值（bicubic）、lanczos插值、方向插值（Edge-directed 本篇文章，我们介绍Nearest-neighbor和Bilinear插值的原理及C实现。 插值算法原理如下： ? 1. Nearest-neighbor 最近邻插值，是指将目标图像中的点，对应到源图像中后，找到最相邻的整数点，作为插值后的输出。
2.1K32发布于 2020-10-29 【工具】NPM用最接近配对校正组学数据的潜在批效应
To address these challenges we developed NPM, a nearest-neighbor matching-based method that adjusts BEs
16310编辑于 2025-04-02- 来自专栏全栈技术
HTML5汽车赛道飙车游戏免费源码下载
o-crisp-edges; image-rendering: optimize-contrast; -ms-interpolation-mode: nearest-neighbor
2.1K10发布于 2021-08-23 - 来自专栏数据科学（冷冻工厂）
空间转录组: Visium HD 数据集分析 (2)
(for visualization purposes only) # .vhd16 <- runUMAP(.vhd16, dimred="PCA") # build cellular shared nearest-neighbor
21810编辑于 2025-11-19 - 来自专栏CVer
实验室可以训练(De)CLIP了！商汤ICLR2022 DeCLIP正式开源！
最近邻监督学习（Nearest-Neighbor Supervision，NNS） 因为相同的图像可能会有类似的语言描述，因此选择语言描述相似的图文对进行对比学习。
1.5K30编辑于 2022-04-18 - 来自专栏机器之心
学界 | CMU&FAIR ICCV论文：通过传递不变性实现自监督视觉表征学习
我们首先将物体节点聚集到更加粗糙的集群（叫作「父」集群），然后我们在每个集群内执行最近邻搜索（nearest-neighbor search）来得到包含 4 个样本的「子」集群。
834150发布于 2018-05-08 - 来自专栏木东居士的专栏
少数人的智慧：基于专家意见的协同过滤
0x00 摘要 基于最近邻算法的协同过滤（nearest-neighbor collaborative filtering）是一种十分成功的推荐方法。
86010发布于 2019-02-28 - 来自专栏相约机器人
图像处理初学者应该学习的100个问题-你都学会了吗？
Normalization） 22直方图操作 23直方图均衡化（Histogram Equalization） 24伽玛校正（Gamma Correction） 25最邻近插值（Nearest-neighbor
94152发布于 2019-11-18 - 来自专栏CreateAMind
Dense Associative Memory Is Robust to Adversarial Inputs
In the extreme limit n→∞n→∞, DAM reduces to the nearest-neighbor classifier.
63710发布于 2019-06-03 - 来自专栏气python风雨
网格重采样工具对决：xarray-regrid vs xemsf
其支持以下插值方法 Linear Nearest-neighbor Conservative Cubic Zonal statistics “Most common value” (zonal statistics
39310编辑于 2025-06-19 - 来自专栏foochane
聚类(Clustering) hierarchical clustering 层次聚类
这里介绍一下三种： SingleLinkage：又叫做 nearest-neighbor ，就是取两个类中距离最近的两个样本的距离作为这两个集合的距离，也就是说，最近两个样本之间的距离越小，这两个类之间的相似度就越大
1.8K30发布于 2019-05-23 - 来自专栏前端开发
CSS 像素化技术应用指南及组件封装实现方案
moz-crisp-edges; /* Firefox */ image-rendering: -webkit-optimize-contrast; /* Safari */ -ms-interpolation-mode: nearest-neighbor
31210编辑于 2025-05-27 - 来自专栏机器学习AI算法工程
文档布局分析 & 扭曲文档图像恢复
Nearest-Neighbor Clustering and Docstrum Plot D. Spacing and Initial Orientation Estimation E.
4.2K20发布于 2020-05-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号