Composing Fisher Kernels from Deep Neural Models (eBook)
XIII, 59 Seiten
Springer International Publishing (Verlag)
978-3-319-98524-4 (ISBN)
Dr. Tayyaba Azim is an Assistant Professor at the Center for Information Technology, Institute of Management Sciences, Peshawar, Pakistan.
Sarah Ahmed is a current research student enrolled in Masters of Computer Science program at Institute of Management Sciences Peshawar, Pakistan.
She has received her Bachelor's Degree in Computer Science from Edwardes College, Peshawar,Pakistan. Her areas of interest include: Machine Learning, Computer Vision and Data-Science. Currently, her research work is centered around the feature compression and selection approaches for Fisher vectors derived from deep neural models. Her research paper: 'Compression techniques for Deep Fisher Vectors' was awarded the best paper in the area of applications at ICPRAM conference 2017.
Dr. Tayyaba Azim is an Assistant Professor at the Center for Information Technology, Institute of Management Sciences, Peshawar, Pakistan. Sarah Ahmed is a current research student enrolled in Masters of Computer Science program at Institute of Management Sciences Peshawar, Pakistan. She has received her Bachelor’s Degree in Computer Science from Edwardes College, Peshawar,Pakistan. Her areas of interest include: Machine Learning, Computer Vision and Data-Science. Currently, her research work is centered around the feature compression and selection approaches for Fisher vectors derived from deep neural models. Her research paper: "Compression techniques for Deep Fisher Vectors" was awarded the best paper in the area of applications at ICPRAM conference 2017.
Erscheint lt. Verlag | 23.8.2018 |
---|---|
Reihe/Serie | SpringerBriefs in Computer Science |
Zusatzinfo | XIII, 59 p. 6 illus., 5 illus. in color. |
Verlagsort | Cham |
Sprache | englisch |
Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
Technik ► Elektrotechnik / Energietechnik | |
Schlagworte | Deep Models • Feature Compression Techniques • Feature Selection Techniques • Fisher Vectors • Large Scale Information Retrieval |
ISBN-10 | 3-319-98524-8 / 3319985248 |
ISBN-13 | 978-3-319-98524-4 / 9783319985244 |
Haben Sie eine Frage zum Produkt? |
Größe: 2,4 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich