No s'ha trobat cap coincidència exacta per Weijer, Joost van de,, però canviant-lo per Weijer Joost van de ...
Dipòsit Digital de Documents de la UAB 21 registres trobats  1 - 10següentfinal  anar al registre: La cerca s'ha fet en 0.14 segons. 
1.
13.4 MB Going beyond Classification Problems for the Continual Learning of Deep Neural Networks / Wu, Chenshen ; Mihai Raducanu, Bogdan, dir. ; Weijer, Joost van de, dir.
L'aprenentatge profund ha experimentat un gran progrés en l'última dècada a causa de l'explosió de la mida de les dades d'entrenament i els avenços en potència computacional. Mitjançant el processament d'inici a final de grans conjunts de dades utilitzant xarxes neuronals, les representacions d'imatges són més discriminatòries que les funcions fetes a mà utilitzades anteriorment. [...]
El aprendizaje profundo ha progresado enormemente en la última década debido a la explosión en la medida de los datos de entrenamiento y los avances en poder computacional. A través del entrenamiento de extremo a extremo en un gran conjunto de datos, las representaciones de imágenes son más discriminatorias que las funciones hechas a mano que se usaban anteriormente. [...]
Deep learning has made tremendous progress in the last decade due to the explosion of training data and computational power. Through end-to-end training on a large dataset, image representations are more discriminative than the previously used hand-crafted features. [...]

2023  
2.
14 p, 3.9 MB Beyond eleven color names for image understanding / Yu, Lu (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Zhang, Lichao (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Weijer, Joost van de (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Khan, Fahad Shahbaz (Linköping University. Computer Vision Laboratory) ; Cheng, Yongmei (Northwestern Polytechnical University. Key Laboratory of Information Fusion Technology (China)) ; Parraga, Carlos Alejandro (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Color description is one of the fundamental problems of image understanding. One of the popular ways to represent colors is by means of color names. Most existing work on color names focuses on only the eleven basic color terms of the English language. [...]
2018 - 10.1007/s00138-017-0902-y
Machine Vision and Applications, Vol. 29, Issue 2 (February 2018) , p. 361-373  
3.
6 p, 3.0 MB Variable rate deep image compression with modulated autoencoder / Yang, Fei (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Herranz, Luis (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Weijer, Joost van de (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Iglesias-Guitian, Jose A. (Centre de Visió per Computador (Bellaterra, Catalunya)) ; López Peña, Antonio M. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Mozerov, Mikhail G. (Centre de Visió per Computador (Bellaterra, Catalunya))
Variable rate is a requirement for flexible and adaptable image and video compression. However, deep image compression methods (DIC) are optimized for a single fixed rate-distortion (R-D) tradeoff. While this can be addressed by training multiple models for different tradeoffs, the memory requirements increase proportionally to the number of models. [...]
2020 - 10.1109/LSP.2020.2970539
IEEE signal processing letters, Vol. 27 (2020) , p. 331-335  
4.
16 p, 3.8 MB Distributed learning and inference with compressed images / Katakol, Sudeep (Birla Institute of Technology and Science. Department of Mathematics) ; Elbarashy, Basem (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Herranz, Luis (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Weijer, Joost van de (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; López Peña, Antonio M. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Modern computer vision requires processing large amounts of data, both while training the model and/or during inference, once the model is deployed. Scenarios where images are captured and processed in physically separated locations are increasingly common (e. [...]
2021 - 10.1109/TIP.2021.3058545
IEEE transactions on image processing, Vol. 30 (Dec. 2021) , p. 3069-3083  
5.
9 p, 611.7 KB Rotate your networks : better weight consolidation and less catastrophic forgetting / Liu, Xialei (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Masana, Marc (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Herranz, Luis (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Weijer, Joost van de (Centre de Visió per Computador (Bellaterra, Catalunya)) ; López Peña, Antonio M. (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Bagdanov, Andrew (Media Integration and Communication Center (Firenze))
In this paper we propose an approach to avoiding catastrophic forgetting in sequential task learning scenarios. Our technique is based on a network reparameterization that approximately diagonalizes the Fisher Information Matrix of the network parameters. [...]
Institute of Electrical and Electronics Engineers (IEEE), cop.2018 - 10.1109/ICPR.2018.8545895
2018 24th International Conference on Pattern Recognition (ICPR), 2018, p. 2262-2268  
6.
10 p, 1.5 MB Active learning for deep detection neural networks / Aghdam, Hamed H. (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Gonzalez Garcia, Abel (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Weijer, Joost van de (Centre de Visió per Computador (Bellaterra, Catalunya)) ; López Peña, Antonio M. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
The cost of drawing object bounding boxes (i. e. labeling) for millions of images is prohibitively high. For instance, labeling pedestrians in a regular urban image could take 35 seconds on average. [...]
Institute of Electrical and Electronics Engineers (IEEE), cop.2019 - 10.1109/ICCV.2019.00377
2019 IEEE/CVF International Conference on Computer Vision (ICCV), 2019, p. 3671-3679  
7.
18 p, 4.7 MB Metric learning for novelty and anomaly detection / Masana, Marc (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Ruiz López, Idoia (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Serrat Gual, Joan (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Weijer, Joost van de (Centre de Visió per Computador (Bellaterra, Catalunya)) ; López Peña, Antonio M. (Centre de Visió per Computador (Bellaterra, Catalunya))
When neural networks process images which do not resemble the distribution seen during training, so called out-of-distribution images, they often make wrong predictions, and do so too confidently. The capability to detect out-of-distribution images is therefore crucial for many real-world applications. [...]
2019
British Machine Vision Conference. Northumbria University (Newcastle), 3-6 Sep. 2018  
8.
162 p, 44.1 MB Self-supervised learning for image-to-image translation in the small data regime / Álvarez Gila, Aitor ; Weijer, Joost van de, dir. ; Garrote, Estíbaliz, dir.
La irrupció a gran escala de Xarxes Neuronals Convolucionals Profundes (CNNs) a la visió per computador des de 2012 ha duït a un paradigma predominant d'interpretació de la imatge consistent en un procés d'aprenentage completament supervisat amb conjunts massius de dades etiquetades. [...]
La irrupción masiva de las Redes Neuronales Convolucionales (CNN) en visión artificial a partir de 2012 condujo a un dominio del paradigma consistente en el aprendizaje extremo-a-extremo totalmente supervisado sobre bases de datos de imágenes de gran escala. [...]
The mass irruption of Deep Convolutional Neural Networks (CNNs) in computer vision since 2012 led to a dominance of the image understanding paradigm consisting in an end-to-end fully supervised learning workflow over large-scale annotated datasets. [...]

2022  
9.
159 p, 14.5 MB Continual learning for hierarchical classification, few-shot recognition, and multi-modal learning / Wang, Kai ; Weijer, Joost van de, dir. ; Herranz, Luis, dir.
Aquest article investiga sobre "Aprenentatge continu per a classificació jeràrquica, reconeixement amb pocs exemples i aprenentatge multimodal.
Este trabajo investiga sobre "Aprendizaje continuo para clasificación jerárquica, reconocimiento con pocos ejemplos y aprendizaje multimodal.
This paper researches on "Continual learning for hierarchical classification, few-shot recognition, and multi-modal learning.

2022  
10.
125 p, 8.7 MB Reducing Label Effort with Deep Active Learning / Zolfaghari Bengar, Javad ; Weijer, Joost van de, dir. ; Raducanu, Bogdan, dir.
Les xarxes neuronals convolucionals profundes (CNN) han aconseguit un rendi ment superior en moltes aplicacions de reconeixement visual, com la classificació, detecció i segmentació d'imatges. El entrenament de CNN profundes requereix grans quantitats de dades etiquetades, que tenen un alt cost i son laboriosos de recollir. [...]
Deep convolutional neural networks (CNNs) have achieved superior performance in many visual recognition applications, such as image classification, detection and segmentation. Training deep CNNs requires huge amounts of labeled data, which is expensive and labor intensive to collect. [...]

2021  

Dipòsit Digital de Documents de la UAB : 21 registres trobats   1 - 10següentfinal  anar al registre:
Vegeu també: autors amb noms similars
7 Weijer, Joost van de
Us interessa rebre alertes sobre nous resultats d'aquesta cerca?
Definiu una alerta personal via correu electrònic o subscribiu-vos al canal RSS.