- IJCAI一种基于小波变换和模节点的图卷积循环神经网络相结合的混合交通速度预测方法
本研究提出了一种基于多尺度波形变换和时空约束的交通流量预测方法,使用 Motif-GCRNN 和 ARMA 预测不同频率分量的交通速度,并在成都的一个交通数据集上进行了实验,证明这种方法在交通预测方面的有效性。
- MM多尺度深度压缩感知网络
本文提出了一种多尺度深度学习压缩感知卷积神经网络(MS-DCSNet),其利用多尺度小波变换将图像信号转换,然后通过卷积模块在不同尺度上进行块的捕获并直接从多尺度测量重建初始重构图像,并利用多尺度小波卷积技术增强最终重构质量,从而学习多尺度 - Div、Grad 和 Curl 实现的现实世界重复估计
本文旨在研究视频中的重复性问题,采用小波变换处理视频的非静态和非平稳动态。通过流场及其微分,我们得到了 3D 中固有周期性的三种基本运动类型和三种运动连通性,以及研究 2D 周期性运动的 18 种基本情况,为了处理不同的重复外观,我们建议测 - 小波卷积神经网络用于纹理分类
本研究提出了一种新型的卷积神经网络,即小波卷积神经网络,将频域分析与卷积神经网络相结合,并在纹理分类中实验表明该模型比传统卷积神经网络的表现更好,且参数数量更少,易于训练。
- 使用定向小波的深度卷积神经网络进行低剂量 X 射线 CT 重建
为了应对 X-ray CT 低剂量扫描中复杂噪声的问题,提出了一种基于方向小波变换和深度卷积网络的去噪算法,实验结果证实该算法能够有效去除噪声并在 CT 重建中取得良好效果。
- Cauchy 小波变换相位恢复
研究了基于小波变换模的相位恢复问题,使用柯西小波作为小波基,证明了模可唯一确定函数,构造了反例展示了恢复算子连续但不一致,进一步证明了通过缓慢变化的相位可以构造出在 $L^2$-norm 意义下距离遥远但在模意义下接近的函数对,并且描述了精 - ECCV多线性小波:人脸统计形状空间
用于 $3$D 人脸表情变化的统计模型,通过小波变换分解面部表面,学习了许多基于结果系数的局部化、去相关的多线性模型。
- ICLR具有小波散射的通用深度网络
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。
- 分布的 Ridgelet 变换
定义和研究了(Lizorkin)分布的 Ridgelet 变换,建立了与 Radon 变换和小波变换的联系。
- S2LET:一个在球面上执行快速小波分析的代码
本文描述了 S2LET,球面上尺度离散小波变换的快速和稳健实现,该变换通过调和线的瓦片构建小波,可用于探测球面信号的局部、尺度相关特征。通过对球面上的采样定理,本文实现了对信号从其小波系数的重建,同时还提供了一种多分辨算法,以在球面上的最小 - 广义基于树形结构的小波变换
本文提出了一种可应用于图形、高维数据和网络上定义的函数的新小波变换。提出的方法借鉴了 Haar 小波变换的思想,并利用一种分层的树结构来捕捉输入数据的几何和结构。该文还将提出的变换应用于图像去噪,并展示了该方法的实用性。
- 利用 2-D Morlet 小波和监督分类进行视网膜血管分割
提出一种自动分割视网膜图像中的血管的方法,使用基于像素特征向量的小波变换响应和贝叶斯分类器来分类像素为血管或非血管,并在手动分割的标记像素的训练集上估计概率分布,以达到对公开数据库的非膜型图像进行评估的目的。
- 球上的小波、脊波和曲线波
本文介绍了多尺度变换,如各种波变换,其可以用于信号去噪和复原。同时介绍了一种组件分离方法,该方法使用了波变换和曲线变换,从而充分发挥两者的优点。