Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Experimentos Relacionados

Representaciones de imágenes para el aprendizaje visual.

D Beymer1, T Poggio

  • 1Department of Brain and Cognitive Science, Center for Biological and Computational Learning (CBCL) and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge 02142, USA.

Science (New York, N.Y.)
|June 28, 1996
PubMed
Resumen
Este resumen es generado por máquina.

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Correction: Excess of NPM-ALK oncogenic signaling promotes cellular apoptosis and drug dependency.

Oncogene·2025
Same author

An analysis of training and generalization errors in shallow and deep networks.

Neural networks : the official journal of the International Neural Network Society·2019
Same author

Shape-based Similarity Retrieval of Doppler Images for Clinical Decision Support.

Proceedings. IEEE Computer Society Conference on Computer Vision and Pattern Recognition·2017
Same author

Finding similar 2D X-ray coronary angiograms.

Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention·2013
Same author

Response from sinha and poggio.

Trends in cognitive sciences·2011
Same author

Characterizing spatio-temporal patterns for disease discrimination in cardiac echo videos.

Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention·2007
Same journal

Erratum for the Research Article "Detecting supramolecular organic nanoparticles during heat wave".

Science (New York, N.Y.)·2026
Same journal

Local signals, systemic decline.

Science (New York, N.Y.)·2026
Same journal

The mechanics of liver regeneration.

Science (New York, N.Y.)·2026
Same journal

Computing in a memory with physics.

Science (New York, N.Y.)·2026
Same journal

Retraction.

Science (New York, N.Y.)·2026
Same journal

Making time.

Science (New York, N.Y.)·2026
Ver todos los artículos relacionados

La visión por computadora está avanzando en el reconocimiento de objetos utilizando métodos basados en imágenes, evitando los modelos 3D. Este enfoque permite el aprendizaje automático para analizar y generar imágenes en visión por computadora y gráficos.

Área de la Ciencia:

  • Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
  • Gráficos por computadora y gráficos por computadora.
  • Aprendizaje automático Aprendizaje automático.

Sus antecedentes:

  • El reconocimiento tradicional de objetos a menudo se basa en modelos 3D intermedios.
  • Las técnicas emergentes se centran en el análisis directo de imágenes para mejorar la eficiencia.

Objetivo del estudio:

  • Explorar nuevos enfoques de visión por computadora para el reconocimiento y detección de objetos.
  • Aprovechar las representaciones de imágenes que apoyan el análisis y la síntesis basados en el aprendizaje.

Principales métodos:

  • Desarrollar representaciones de imágenes que induzcan una estructura de espacio vectorial lineal.
  • Utilizando la correspondencia de características densas para el análisis de imágenes.

Videos de Experimentos Relacionados

  • Aplicar técnicas de aprendizaje a los datos de imágenes.

    • Principales resultados:

    • Se están creando nuevos métodos para el reconocimiento y detección de objetos.
    • La representación de imagen propuesta facilita tanto el análisis de imágenes como la síntesis.
    • Permite la aplicación del aprendizaje automático a tareas basadas en imágenes.

    Conclusiones:

    • El análisis directo de imágenes ofrece una alternativa prometedora a los modelos 3D en la visión por computadora.
    • La representación de imagen desarrollada es versátil, soportando tanto el análisis como la síntesis.
    • Esta investigación avanza las capacidades del aprendizaje automático en la visión por computadora y los gráficos.