本文提出了一种基于纹理和血管特征的混合深度学习网络（TS-SHDL），用于从 MR 影像中自动分割脑物质，并通过条件随机场（CRF）实现所需的分割。在合成的 McGill Brain Web 和真实的 3D MRI 扫描的 MRBrainS 数据集上进行了大量实验比较，并展示了 TS-SHDL 网络相对于监督深度学习网络的优势及其在当前技术状况下的卓越性能。

Aug, 2017

本研究介绍了一种实时无人机监控系统，使用深度学习技术从空中图像中检测人体姿态，可以较少的带标记实例中快速学习有意义的表征，从而识别公共场所中的暴力行为。

Jun, 2018

本文提出了一种简单而有效的有监督深度哈希方法，构建了来自标记数据的二进制哈希代码，用于大规模图像搜索，在此基础上，哈希函数作为深度网络中的一个潜在层得到构建，最小化分类错误和其他理想哈希代码属性上的目标函数，以实现联合学习的图像表示，哈希代码和分类，从而可应用于大规模数据集。

Jul, 2015

我们引入了一种两层小波散射网络，可用于物体分类，该两层卷积网络不涉及学习和最大池化，通过初始化第一层的小波滤波器，能够在形态物体变量和杂波等复杂图像数据集上高效执行。

Dec, 2013

本文提出了一种基于超类引导网络的图像分类与目标检测模型，通过引入高级语义信息优化模型的性能，该模型采用两级类别标注包含了超类别和细分类别，使用两种不同的推断策略来预测图像的类别，实验证明了该方法在 CIFAR-100 和 MS COCO 数据集上具有卓越的性能表现。

Apr, 2021

本文介绍了一种新模型：HybridNet，它是一种双分支编码器 - 解码器架构，利用未标记的图像数据改善图像分类器的泛化性能。它在各种半监督设置中优于现有技术，并提出一种新的训练目标。

Jul, 2018

使用散射网络作为监督式混合深度网络的头几层的一般和固定初始化，结合局部编码可以达到与 CNNs 竞争的最佳结果，还可以在小样本情况下通过几何先验获得更好性能。

Mar, 2017

本文提出一种半监督的深度哈希方法，通过同时保留语义相似性和基础数据结构来更有效地学习哈希函数。实验结果表明，该方法在 5 个常用数据集上优于现有的哈希方法。

Jul, 2016

介绍了一种新颖的 hierarchical supervision 和 shuffle data augmentation 方法，它通过设计动态双阈值策略产生更合理的监督信号来加强学生网络的训练，并通过洗牌数据增强策略来增强学生网络的功能特征。还展示了该方法在不同的数据集上都表现优异。

Apr, 2023

本文介绍一种稀疏散射深度卷积神经网络，通过散射变换和字典编码实现了高精度的分类识别。

Oct, 2019