Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę ""Fully convolutional network"" wg kryterium: Temat


Tytuł:
SRFCNM: Spatiotemporal recurrent fully convolutional network model for salient object detection
Autorzy:
Arora, IshitaAff1, IDs1104202317009x_cor1
Gangadharappa, M.
Pokaż więcej
Źródło:
Multimedia Tools and Applications: An International Journal. 83(13):38009-38036
Czasopismo naukowe
Tytuł:
Automatic segmentation of brain glioma based on XY-Net
Autorzy:
Xu, Wenbin
Liu, JizhongAff1, IDs11517023029277_cor2
Fan, BingAff2, IDs11517023029277_cor3
Pokaż więcej
Źródło:
Medical & Biological Engineering & Computing. 62(1):153-166
Czasopismo naukowe
Tytuł:
QCNet: query context network for salient object detection of automatic surface inspection
Autorzy:
Sun, JieAff1, Aff2
Yan, Senbo
Song, XiaowenAff1, Aff2, IDs0037102202597w_cor3
Pokaż więcej
Źródło:
The Visual Computer: International Journal of Computer Graphics. 39(10):4391-4403
Czasopismo naukowe
Tytuł:
Navigation algorithm based on semantic segmentation in wheat fields using an RGB-D camera
Autorzy:
Yan Song
Feiyang Xu
Qi Yao
Jialin Liu
Shuai Yang
Pokaż więcej
Temat:
Fully convolutional network
Navigation line extraction
Semantic segmentation
Visual navigation
Agriculture (General)
S1-972
Information technology
T58.5-58.64
Źródło:
Information Processing in Agriculture, Vol 10, Iss 4, Pp 475-490 (2023)
Opis pliku:
electronic resource
Relacje:
http://www.sciencedirect.com/science/article/pii/S2214317322000488; https://doaj.org/toc/2214-3173
Dostęp URL:
https://doaj.org/article/c8e3de8d167c487f8fc42982ad51449d  Link otwiera się w nowym oknie
Czasopismo naukowe
Tytuł:
Automated polyp segmentation based on a multi-distance feature dissimilarity-guided fully convolutional network
Autorzy:
Nan Mu
Jinjia Guo
Rong Wang
Pokaż więcej
Temat:
fully convolutional network
polyp segmentation
multi-distance difference module
multi-layer feature subtraction
hybrid loss module
Biotechnology
TP248.13-248.65
Mathematics
QA1-939
Źródło:
Mathematical Biosciences and Engineering, Vol 20, Iss 11, Pp 20116-20134 (2023)
Opis pliku:
electronic resource
Relacje:
https://doaj.org/toc/1551-0018
Dostęp URL:
https://doaj.org/article/9d3e97ad22c24d06aac2f285055ef551  Link otwiera się w nowym oknie
Czasopismo naukowe
Tytuł:
A novel modular deep fully convolutional network for efficient low resolution facial expression recognition
Autorzy:
Aly, WalaaAff1, Aff2
Shahin, Ahmed I.
Aly, SalehAff1, Aff2, IDs1265202304586w_cor3
Pokaż więcej
Źródło:
Journal of Ambient Intelligence and Humanized Computing. 14(6):7747-7759
Czasopismo naukowe
Tytuł:
A novel fully convolutional network based on marker-controlled watershed segmentation algorithm for industrial soot robot target segmentation
Autorzy:
Ju, AiyunAff1, IDs1206502200708z_cor1
Wang, Zhongli
Pokaż więcej
Źródło:
Evolutionary Intelligence. 16(3):963-980
Czasopismo naukowe
Tytuł:
Objective evaluation-based efficient learning framework for hyperspectral image classification
Autorzy:
Xuming Zhang
Jian Yan
Jia Tian
Wei Li
Xingfa Gu
Qingjiu Tian
Pokaż więcej
Temat:
deep learning
fully convolutional network
features extraction
sampling strategy
Mathematical geography. Cartography
GA1-1776
Environmental sciences
GE1-350
Źródło:
GIScience & Remote Sensing, Vol 60, Iss 1 (2023)
Opis pliku:
electronic resource
Relacje:
https://doaj.org/toc/1548-1603; https://doaj.org/toc/1943-7226
Dostęp URL:
https://doaj.org/article/870e603544d640aeb8a29b59cd86e227  Link otwiera się w nowym oknie
Czasopismo naukowe
Czasopismo naukowe
Tytuł:
Development of a high-performance seismic phase picker using deep learning in the Hakone volcanic area
Autorzy:
Ahyi Kim
Yuji Nakamura
Yohei Yukutake
Hiroki Uematsu
Yuki Abe
Pokaż więcej
Temat:
Deep learning
U-Net
Fully convolutional network
Machine learning
Phase pick
Volcanic earthquake
Geography. Anthropology. Recreation
Geodesy
QB275-343
Geology
QE1-996.5
Źródło:
Earth, Planets and Space, Vol 75, Iss 1, Pp 1-15 (2023)
Opis pliku:
electronic resource
Relacje:
https://doaj.org/toc/1880-5981
Dostęp URL:
https://doaj.org/article/789fce1f4dd44c7aa8e0ac91ef1a5a96  Link otwiera się w nowym oknie
Czasopismo naukowe
Tytuł:
Land cover classification using multi-fusion based dense transpose convolution in fully convolutional network with feature alignment for remote sensing images
Autorzy:
Vohra, RubeenaAff1, IDs12145022008918_cor1
Tiwari, K. C.
Pokaż więcej
Źródło:
Earth Science Informatics. 16(1):983-1003
Czasopismo naukowe

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies