spectral 第5页

图像显著性论文（二）—Saliency Detection: A Spectral Residual Approach

《SaliencyDetection:ASpectralResidualApproach》是上交高材生侯晓迪在07年的CVPR上发表的一篇论文，这篇文章提出了一个图像视觉显著性的简单计算模型，这个模型和Irri提出的模型是两个截然不同的模型，Irri模型对于图像视觉显著性主要关注整幅图片突出的部分，通过各种特征的融合提取显著性图，而Hou的这个模型一上来关注的点就不在一张图片里突出的地方，而是背景

小洲实验室·2020-07-01 20:41

谱归一化（Spectral Normalization）的理解

《SpectralNormalizationforGenerativeAdversarialNetworks》【1】是TakeruMiyato在2018年2月发表的一篇将谱理论应用于Gan上的文章，在2017年，本文的第3作者YuichiYoshida就发表了一篇著名的谱范数正则（SpectralNormRegularization）的文章【2】，如有兴趣也可参看我的上一篇Blog：https:/

田神·2020-07-01 13:13

[论文笔记] [2016] [NIPS] Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering

这篇论文是2016NIPS上的一篇论文。从标题就可以看出这篇论文的特点所在：FastLocalizedSpectralFiltering。这篇论文的主要贡献在于：改进了SpectralNetworks，设计了localizedfilterongraph，并且计算复杂度较低；提出了一种较为有效的pooling策略。LearningFastLocalizedSpectralFilters作者总结了将卷

Alexzhuan·2020-07-01 04:39

[论文笔记] [2014] Spectral Networks and Deep Locally Connected Networks on Graphs

这篇论文首次提出了基于空域（Spectral-domain）和基于频域（Spatial-domain）的图上卷积神经网络。

Alexzhuan·2020-07-01 04:39

ENVI5.3.1使用Landsat 8影像进行NDVI计算实例操作

数据介绍及数据其他操作详见此博客ENVI5.3.1使用Landsat8影像进行预处理及分析实例操作导入经过大气校正后的郑州地区影像FLAASH_result.dat，选择工具箱中的Spectral——Vegetation

PeanutbutterBoh·2020-06-29 09:07

ENVI5.3.1使用Landsat 8影像进行典型地物光谱简单分析实例操作

打开工具箱中Spectral——SpectralLibraries——Spectral

PeanutbutterBoh·2020-06-29 09:07

《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》论文理解

在《SpectralNetworksandDeepLocallyConnectedNetworksonGraphs》的基础上，《ConvolutionalNeuralNetworksonGraphswithFastLocalizedSpectralFiltering》作出了改进：作者提出，泛化卷积网络到图上需要以下3个基本的步骤：（1）在图上设计出局部的卷积核（2）将的相似节点聚类的图粗化过程（3

monster.YC·2020-06-29 08:47

Unsupervised Cross-spectral Stereo Matching by Learning to Synthesize

无监督交叉光谱立体匹配的目的是在没有任何深度或视差监督的情况下恢复给定交叉光谱图像对的视差。估计深度为原始图像提供了补充信息，有助于其他视觉任务，如跟踪、识别和检测。然而，不同光谱波段的图像之间存在较大的外观差异，这对跨光谱立体匹配是一个挑战。现有的深部无监督立体匹配方法对图像的外观变化很敏感，不能很好地处理交叉光谱数据。提出了一种基于图像到图像转换的无监督交叉光谱立体匹配框架。首先，一个风格适应

weixin_42881607·2020-06-29 06:22

python中绘制等高线(关于np.meshgrid(), np.c_[]和plt.contourf(), plt.contour()函数的理解)

参考资料:numpy中的meshgrid函数np.c_和np.r_的用法解析Contours等高线图关于plt.cm.Spectral1.np.meshgrid(x,y)与np.c_[]xx,yy=np.meshgrid

赤道6号转向发动机·2020-06-29 05:09

图神经网络综述

2.GNN与图/网络嵌入3.GNN的发展4.图神经网络分类5.图监督学习的统一分析框架：消息传递网络6.图卷积网络（GraphConvolutionNetworks，GCN）4.1.基于谱（spectral-based

褚骏逸·2020-06-29 01:08

Graph特征提取方法:谱聚类(Spectral Clustering)详解

背景：Graph的特征提取方法有很多种，有空域的方法vertexdomain，谱方法spectraldomain，最经典的就是图卷积GCN（GraphConvolutionalNetwork）GCN(GraphConvolutionalNetwork)图卷积网络解析。这里是另一种方法，谱聚类的方法(spectralclustering)。相关论文详解：GCN(GraphConvolutionalN

祥瑞Coding·2020-06-28 19:38

图卷积神经网络GCN---谱图卷积层代表作

Spectral-basedConvGNN这篇博客侧重列举谱图卷积的主要发展演变，如果要从头理解建议阅读图卷积神经网络（GraphConvolutionalNetwork）之谱卷积。

青山白云间·2020-06-28 19:19

译：Local Spectral Graph Convolution for Point Set Feature Learning-用于点集特征学习的局部谱图卷积...

标题：LocalSpectralGraphConvolutionforPointSetFeatureLearning作者：ChuWang,BabakSamari,KaleemSiddiqi译者：ElliottZheng来源：ECCV2018Abstract点云的特征学习已经显示出巨大的希望，引入了有效且可推广的深度学习框架，例如pointnet++。然而，到目前为止，点特征已经以独立和孤立的方式被

weixin_30667301·2020-06-27 23:52

谱聚类（Spectral Clustering）原理及Python实现

谱聚类原理及Python实现图模型无向带权图模型G=G=，每一条边上的权重wijwij为两个顶点的相似度，从而可以定义相似度矩阵WW，此外还可以定义度矩阵DD和邻接矩阵AA，从而有拉普拉斯矩阵L=D−AL=D−A。所以本文用到的矩阵总共两个：LL和WW。图的分割一个图GG可能有很多个子图GiGi（总共kk个），现在的任务是将大图分成若干小块，要求分法是最佳的。何为“最佳”呢，遍历每一个子图

蕉叉熵·2020-06-26 13:22

机器学习笔记（九）聚类算法及实践（K-Means,DBSCAN,DPEAK,Spectral_Clustering）

这一周学校的事情比较多所以拖了几天，这回我们来讲一讲聚类算法哈。首先，我们知道，主要的机器学习方法分为监督学习和无监督学习。监督学习主要是指我们已经给出了数据和分类，基于这些我们训练我们的分类器以期达到比较好的分类效果，比如我们前面讲的Logistic回归啊，决策树啊，SVM啊都是监督学习模型。无监督学习就是指我们就只有数据，没有分类结果，然后根据数据进行建模能够给出哪些样本是属于一类的一个过程，

王大宝的CD·2020-06-26 10:25

Spectral Clustering（谱聚类）

谱聚类原理：是一种基于图论的聚类方法！！简而言之，它将带权无向图划分为两个或两个以上的最优子图，使子图内部相似，而子图间相异，依然是很正统的聚类思想。但这个思想乍看很简单，主要有两个问题：怎么度量相似？度量之后又如何进行划分？相似度度量：普通的kNN度量方法？相近则权重大，相远则权重小。不过在实际应用中往往采用的全链接方法，即利用高斯分布来进行权重的赋予。划分策略：一个直观的想法就是，使划分成的子

上杉翔二·2020-06-25 16:38

谱卷积的GNN原理解释（Spectral Network），附代码

其实在那之间，【1】早在14年就提出了Spectral的想法，但是此文发表后并没有得到大家的重视，直到Kipf对其进行了简化，谱方法才蓬勃发展开来。后边许多文章

五月的echo·2020-06-25 11:39

谱聚类（Spectral Clustering）算法介绍

一.前言本来想写关于聚类系列算法的介绍，但是聚类系列的其它几个算法原理比较简单，网上有大量的教程可以查阅。这里主要是介绍一下谱聚类算法，做一个学习笔记，同时也希望对想要了解该算法的朋友有一个帮助。关于聚类的其他系列算法，这里推荐一个写的很不错的博客。谱聚类在最近几年变得受欢迎起来，主要原因就是它实现简单，聚类效果经常优于传统的聚类算法（如K-Means算法）。刚开始学习谱聚类的时候，给人的感觉就是

Y学习使我快乐V·2020-06-25 02:04

谱聚类(spectral clustering) python可视化实现

谱聚类介绍：这篇博客对于谱聚类的介绍包括公式推导挺到位的，当时上课的ppt也是截这个图，所以能看懂的话挺不错的。http://www.cnblogs.com/FengYan/archive/2012/06/21/2553999.html算法python实现：对于公式的推导什么的个人的理解并不是很深，下面直接说说这个算法的实现吧：首先，因为这个算法其实最先是叫做谱方法，用于社区挖掘或者图挖掘，所以要

Normal_Person·2020-06-24 20:58

Spectral Python (SPy)的笔记（3）图像显示

DisplayingDataStartingIPython启动SPy使用IPython提供GUI窗口而不会阻塞交互式Python解释器。要启用它，你必须以“pylab”模式启动IPython。如果您已经在matplotlibrc文件中将matplotlib后端设置为“WX”或“WXAgg”（请参阅下面的注释），您应该可以像这样启动IPythonforSPy：ipython--pylab您也可以通过

Be_yourself_SKRR·2020-06-23 11:21

Spectral Python (SPy)的笔记（1）介绍及安装

SpectralPython（SPy）是一个用于处理高光谱图像数据的纯Python模块。它具有读取，显示，操作和分类高光谱图像的功能。它可以从Python命令提示符或通过Python脚本交互使用。SPy是GNU通用公共许可证下的免费开源软件。要查看一些如何使用SPy的示例，可以直接跳到显示数据或光谱算法的文档部分。主类和函数的分类列表在类/函数词汇表中。您可以从GitHub或PythonPacka

Be_yourself_SKRR·2020-06-23 11:51

webrtc中的噪声抑制之二：噪声估计QBNE

噪声估计噪声估计是决定噪声抑制的关键，即是难点也是热点，从上文推算过程，webrtc按照STSA（Short-Time-Spectral-Amplitude短时谱估计）

golfbears·2020-06-23 10:38

谱聚类(spectral clustering)

1.谱聚类给你博客园上若干个博客，让你将它们分成K类，你会怎样做？想必有很多方法，本文要介绍的是其中的一种——谱聚类。聚类的直观解释是根据样本间相似度，将它们分成不同组。谱聚类的思想是将样本看作顶点，样本间的相似度看作带权的边，从而将聚类问题转为图分割问题：找到一种图分割的方法使得连接不同组的边的权重尽可能低（这意味着组间相似度要尽可能低），组内的边的权重尽可能高（这意味着组内相似度要尽可能高）。

YZW0123900·2020-06-22 09:59

使用python对高光谱数据进行处理和分类

目的加载遥感图像的.mat数据进行呈图显示将.mat的数据转化为python后续算法处理的csv文件存储训练模型，观察分类效果，在图中显示与原图对比方法Refer：spectralpython官网使用超强的spectral

哈士奇说喵·2020-06-22 02:15

《Learning Convolutional Neural Networks for Graphs》论文阅读

在上一篇论文中，使用的理论是频域卷积(Spectral-domain)，背后理论有点复杂。这篇文章则从空域卷积(Spatial-domain)角度出

孔胡子·2020-04-20 01:00

谱减法（Spectral Subtraction）

本文简要探讨了语音信号的基本特性，并介绍了谱减法的基本原理，同时基于Matlab实现了原始谱减法及其一种改进版。最后给出音频波形、频谱，从主观的人耳和客观的评判标准来量化所达到的效果。1语音信号1.1宏观的非平稳性与微观的平稳性在现实世界中，我们获得的所有信号波形都是其对应分布的一组观测值。平稳信号指的是其分布及分布的参数不会发生变化，非平稳信号则是其分布或分布的参数发生变化。对于语音信号来说，由

iwuqing·2020-02-16 17:40

从 Google Spectral 字体的响应式设计/参数字体技术看字体行业未来

谷歌发布了Spectral字体，这是一种很容易调整字体风格的技术，换句话说，这种技术，很容易制作新风格的字体！

驿窗Linux·2020-02-02 18:31

Spectral clustering谱聚类

Basicknowledge:degreematrix;similaritymatrix,andAdjacencymatrix;无向带权图模型G=G=，每一条边上的权重wij为两个顶点的相似度，从而可以定义相似度矩阵W，此外还可以定义度矩阵D和邻接矩阵A，从而有拉普拉斯矩阵L=D−A;距离度量与邻接矩阵邻接矩阵某种程度上反映了图中各结点之间的相似性，普通的邻接矩阵元素非0即1，谱聚类中的邻接矩

keeps_you_warm·2019-12-19 20:00

Community Detection Spectral Methods

SpectralMethodsSpectralClusteringinHeterogeneousInformationNetworks(AAAI2019)XiangLi,BenKao,ZhaochunRen,DaweiYin[Paper][MatlabReference][PythonReference]CommunityDetectionOveraHeterogeneousPopulationo

DrogoZhang·2019-12-14 13:55

python绘制规则网络图形实例

代码如下:importnetworkxasneimportmatplotlib.pyplotasmp#regulargraphyrg=ne.random_regular_graph(4,10)ps=ne.spectral

u012369559·2019-12-09 11:31

Google 的新字体

才没过多久，Google在字体方面又有新动作，推出了自己的首款“参数化”字体Spectral，可供设计师或字体爱好者随意调整字体形态，进行个性化设计。

moriarty77·2019-11-07 19:45

2019-08-30 Seminar (Summary & spectral curve III)

在忙乱之中终于是恢复了我们周五的可积性的Seminar了，开始了就好，之后就会按照惯性有序地进行下去吧，准备的还是有些匆忙了啦，总结了一下上学期的内容，也对这学期进行了一些展望。先想聊一下自己的感受。从本科的时候开始，一直到现在，我也没想到能把这种形式一直延续下来，也算是一种传承吧，好的东西不应该只用来怀念，而是一直带在身上，这才算过去的经历在自己身上的烙印，而不只是浮名。从大一暑假的群论讨论班开

悟空饺子·2019-11-05 21:12

Spectral Clustering

转自：http://blog.pluskid.org/?p=287，感谢分享！如果说K-means和GMM这些聚类的方法是古代流行的算法的话，那么这次要讲的SpectralClustering就可以算是现代流行的算法了，中文通常称为“谱聚类”。由于使用的矩阵的细微差别，谱聚类实际上可以说是一“类”算法。SpectralClustering和传统的聚类方法（例如K-means）比起来有不少优点：和K

白婷·2019-10-18 16:00

2019-07-12 Seminar (spectral curve II)

这周是本学期最后一次seminar了，还是讲了classicalspectralcurve的部分，和上次讲得很多地方是重合的，只是多了一些细节。巫条同学是讲了一些辛几何的内容，重新再看这个这个内容，还是有一些启发和思考的。一个核心问题还是，如果我们把经典力学抽象成辛几何，那么可积系统应该怎样的描呢，不同于黎曼几何的丰富，所有维数相同的辛几何都是同构的，locally都有唯一的形式。从这个角度出发，

悟空金月饺子·2019-09-28 21:16

谱图理论(spectral graph theory)

如何理解特征值和特征向量此部分参考了马同学的文章：如何理解矩阵特征值和特征向量？我们知道一个矩阵可以看做是线性变换又或者是某种运动，可以将一个向量进行旋转，平移等等操作，正常来说，对于一个向量vvv，并对其乘上一个A会出现下图的情况：可以看到乘了A之后v发生了一些旋转。然而所有向量中存在一种稳定的向量，他不会发生旋转，平移，只会使得向量变长或变短，而这种稳定的向量正是矩阵的特征向量,即满足公式：A

qjgods·2019-09-02 15:11

谱聚类（spectral clustering）原理总结

谱聚类（spectralclustering）是广泛使用的聚类算法，比起传统的K-Means算法，谱聚类对数据分布的适应性更强，聚类效果也很优秀，同时聚类的计算量也小很多，更加难能可贵的是实现起来也不复杂。在处理实际的聚类问题时，个人认为谱聚类是应该首先考虑的几种算法之一。下面我们就对谱聚类的算法原理做一个总结。一、谱聚类概述谱聚类是从图论中演化出来的算法，后来在聚类中得到了广泛的应用。它的主要思

十七岁的有德·2019-07-19 18:00

2019-06-28 Seminar (spectral curve I)

数学里有很多很漂亮和巧妙的东西，但是对我来说很多都是很难去理解很难纳入自己的认知和知识体系的。要是有一些物理的图像来帮助就好多了，物理和数学的互相促进理解，就很有意思了。这次要讲的spectralcurve就是关于在黎曼面上的分析问题。这周的总结也迟迟没有下笔，因为也不是有了很好的理解，晚上做梦梦见了自己变成了Riemannsurface，似乎有所得，可是醒来就忘记了，希望在下面的学习中能慢慢深入

悟空饺子·2019-07-01 11:49

论文笔记：Spectral Networks and Deep Locally Connected Networks on Graphs

主要贡献：将CNN泛化到非欧几里得空间，并提出两种并列的model，分别是基于spatial和基于spectral。

如果曾经拥有·2019-06-04 15:01

Deep Multiscale Spectral-Spatial Feature Fusion for Hyperspectral Images Classification

摘要--充分利用光谱-空间信息，学习具有代表性和鉴别性的特征，对于高光谱的解释具有重要意义。本文提出了一种无监督的特征提取的方法--深度多尺度光谱-空间特征融合。在VGG16中预训练滤波器组，提取HSI的多尺度空间结构信息。提出了一种无监督协同稀疏自编码器将提取出来的空间结构信息和原始的光谱特征相融合。这种方法既实现了降维，又实现了特征融合。并且不同的特征协同作用，实现了自监督投影学习，这对于检测

DarrenmondZhang·2019-05-30 20:03

Spectral–Spatial Classification of Hyperspectral Imagery with 3D Convolutional Neural Network

《Spectral–SpatialClassificationofHyperspectralImagerywith3DConvolutionalNeuralNetwork》摘要-最近的研究表明：使用空间

DarrenmondZhang·2019-05-17 18:12

matplotlib.pyplot.cm结构及用法||参数详解

使用场景plt.scatter(embedding[0],embedding[1],s=100*d**2,c=labels,cmap=plt.cm.nipy_spectral)plt指的是matplotlib.pyplot

Quant_Learner·2019-05-07 14:21

ValueError: 'c' argument has 1 elements, which is not acceptable for use with 'x' with size 400, 'y'

在做吴恩达深度学习课程第一课第三周的课后作业时，运行如下代码：plt.scatter(X[0,:],X[1,:],c=Y,s=40,cmap=plt.cm.Spectral)报错：ValueError:

BruceCheen·2018-11-21 22:25

谱范数正则（Spectral Norm Regularization）的理解

近来，DeepMind的一篇论文《LARGESCALEGANTRAININGFORHIGHFIDELITYNATURALIMAGESYNTHESIS》（arXiv:1809.11096v1）[1]（通过大规模Gan训练，得到高精度的合成自然图像）引起了广泛的关注。其中，为保证其大批次（batch够大）Gan训练的稳定性，[1]引入了谱范数正则技术（SpectralNormRegularizatio

田神·2018-10-30 20:44

Spectral Matting的python实现

SpectralMatting是一个很好的矩阵分析、图像处理例子，是一个很好的学习例子。在Github上，有SpectralMatting的MATLAB的实现，却没找到Python的实现，于是我参考了以下两个代码源：[1]https://github.com/yaksoy/SemanticSoftSegmentation[2]https://github.com/MarcoForte/closed

田神·2018-10-25 22:11

《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》阅读笔记

工程地址课前甜点——使用JupyterNotebook运行工程中的usage.ipynbJupyterNotebook（此前被称为IPythonnotebook）是一个交互式笔记本，支持运行40多种编程语言。JupyterNotebook的本质是一个Web应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和markdown。用途包括：数据清理和转换，数值模拟，统计建模，机器学习

chen5561·2018-09-03 22:50

论文笔记：Spectral Normalization for Generative Adversarial Networks [ICLR2018 oral]

SpectralNormalizationforGenerativeAdversarialNetworks原文链接：传送门一篇纯数学类文章，有兴趣的时候再看！EmmaCUHK2018.02.26

Emma__8·2018-02-25 15:56

使用python对高光谱数据进行处理和分类

目的加载遥感图像的.mat数据进行呈图显示将.mat的数据转化为python后续算法处理的csv文件存储训练模型，观察分类效果，在图中显示与原图对比方法Refer：spectralpython官网使用超强的spectral

mrlevo520·2017-11-12 15:17

范数(Norm)和谱半径(Spectral Radii)

向量(vector)x=[x1,x2,⋯,xn]T共轭转置(conjugatetranspose)x∗=[x1¯,x2¯,⋯,xn¯]向量2范数(vectornorm)||x||2=(∑i=1n|xi|2)1/2定理1Ifx,yarevector,then||x||2>0,unlessx=0ifα是一个标量，then||αx||2=|α|||x||2三角不等式(triangularinequali

Liang_Ling·2017-10-03 23:55

显著性检测（一）Saliency Detection: A Spectral Residual Approach

这篇文章来自2007CVPR，作者侯晓迪当时在上海交大读大三，后进入加州理工学院攻读博士，师从Koch。这篇文章创建了基于频谱的视觉注意机制，它与Itti等人的基于特征层次的显著性模型不同，作者从一开始就提出，这是一种与特征无关的普适性算法。作者将图像映射到频率域中，通过不同图像在频率域中的分布规律，得出了谱残差模型，原文Matlab代码仅有5行，非常简洁高效。原理：我们一般把图像分为目标和背景，

黑脸月球·2017-09-23 09:16

Spectral–Spatial Classification of Hyperspectral Imagery with 3D Convolutional Neural Network

Spectral–SpatialClassificationofHyperspectralImagerywith3DConvolutionalNeuralNetworkYingLi，,HaokuiZhang

菜鸟要超神·2017-07-02 13:08

推荐频道

spectral

图像显著性论文（二）—Saliency Detection: A Spectral Residual Approach

谱归一化（Spectral Normalization）的理解

[论文笔记] [2016] [NIPS] Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering

[论文笔记] [2014] Spectral Networks and Deep Locally Connected Networks on Graphs

ENVI5.3.1使用Landsat 8影像进行NDVI计算实例操作

ENVI5.3.1使用Landsat 8影像进行典型地物光谱简单分析实例操作

《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》论文理解

Unsupervised Cross-spectral Stereo Matching by Learning to Synthesize

python中绘制等高线(关于np.meshgrid(), np.c_[]和plt.contourf(), plt.contour()函数的理解)

图神经网络综述

Graph特征提取方法:谱聚类(Spectral Clustering)详解

图卷积神经网络GCN---谱图卷积层代表作

译：Local Spectral Graph Convolution for Point Set Feature Learning-用于点集特征学习的局部谱图卷积...

谱聚类（Spectral Clustering）原理及Python实现

机器学习笔记（九）聚类算法及实践（K-Means,DBSCAN,DPEAK,Spectral_Clustering）

Spectral Clustering（谱聚类）

谱卷积的GNN原理解释（Spectral Network），附代码

谱聚类（Spectral Clustering）算法介绍

谱聚类(spectral clustering) python可视化实现

Spectral Python (SPy)的笔记（3）图像显示

Spectral Python (SPy)的笔记（1）介绍及安装

webrtc中的噪声抑制之二：噪声估计QBNE

谱聚类(spectral clustering)

使用python对高光谱数据进行处理和分类

《Learning Convolutional Neural Networks for Graphs》论文阅读

谱减法（Spectral Subtraction）

从 Google Spectral 字体的响应式设计/参数字体技术看字体行业未来

Spectral clustering谱聚类

Community Detection Spectral Methods

python绘制规则网络图形实例

Google 的新字体

2019-08-30 Seminar (Summary & spectral curve III)

Spectral Clustering

2019-07-12 Seminar (spectral curve II)

谱图理论(spectral graph theory)

谱聚类（spectral clustering）原理总结

2019-06-28 Seminar (spectral curve I)

论文笔记：Spectral Networks and Deep Locally Connected Networks on Graphs

Deep Multiscale Spectral-Spatial Feature Fusion for Hyperspectral Images Classification

Spectral–Spatial Classification of Hyperspectral Imagery with 3D Convolutional Neural Network

matplotlib.pyplot.cm结构及用法||参数详解

ValueError: 'c' argument has 1 elements, which is not acceptable for use with 'x' with size 400, 'y'

谱范数正则（Spectral Norm Regularization）的理解

Spectral Matting的python实现

《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》阅读笔记

论文笔记：Spectral Normalization for Generative Adversarial Networks [ICLR2018 oral]

使用python对高光谱数据进行处理和分类

范数(Norm)和谱半径(Spectral Radii)

显著性检测（一）Saliency Detection: A Spectral Residual Approach

Spectral–Spatial Classification of Hyperspectral Imagery with 3D Convolutional Neural Network