Unsupervised Learning of Invariant Feature Hierarchies with Applications to Object Recognition

We present an unsupervised method for learning a hierarchy of sparse feature detectors that are invariant to small shifts and distortions. The resulting feature extractor consists of multiple convolution filters, followed by a feature-pooling layer that computes the max of each filter output within...

Celý popis

Podrobná bibliografie

Vydáno v:	2007 IEEE Conference on Computer Vision and Pattern Recognition s. 1 - 8
Hlavní autoři:	Ranzato, M.A., Fu Jie Huang, Boureau, Y.-L., Yann LeCun
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.06.2007
Témata:	Computer architecture Computer vision Convolution Detectors Feature extraction Gabor filters Object detection Object recognition Supervised learning Unsupervised learning
ISBN:	9781424411795, 1424411793
ISSN:	1063-6919, 1063-6919
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!