基于改进的Faster R⁃CNN的肺结节检测方法研究

机译：基于改进的Faster R-CNN的复杂教室环境中的姿势检测

机译：基于更快的R-CNN框架的肺结节检测

机译：千江普通大学的发现报告（基于多尺度3DCONCOLTOUTORALITAL神经网络的肺结节的改进检测方法）

机译：一种改进的快速R-CNN方法，可提高肺结节检测的性能

机译：基于上下文的自动系统，用于CT图像中的肺结节检测。

机译：基于改进分水岭算法的PET / CT肺结节检测新方法

机译：诊断CT中肺结节的检测和分类：基于改进的3D速率R-CNN和多尺度多作物卷积神经网络的TSDN方法

机译：基于改进异常检测和特征匹配方法的高光谱图像目标检测

机译：一种方法和学习设备，用于使用用于硬件优化的1x1卷积的基于CNN的对象检测器，以及使用该测试方法和测试设备，使用1×1卷积的CNN基于CNN的对象检测器的学习方法和学习设备用于硬件优化，以及使用Samem的测试方法和测试设备}

机译：基于R-CNN的对象检测器的R-CNN学习方法和测试方法，其基于R-CNN的监视，其能够根据对象和学习设备的尺度和学习设备的尺度转换模式和使用相同的测试设备

机译：使用用于硬件优化的1×1卷积学习基于CNN的目标检测器的方法和装置，使用其的测试方法和装置{基于CNN的对象检测器的学习方法和学习装置，使用1x1卷积进行难于优化的方法，以及使用相同的测试方法和测试设备}