Zobrazeno 1 - 10
of 469
pro vyhledávání: '"A. Isıkdogan"'
Autor:
Isikdogan, Leo F, Nayak, Bhavin V, Wu, Chyuan-Tyng, Moreira, Joao Peralta, Rao, Sushma, Michael, Gilad
We propose a system comprised of fixed-topology neural networks having partially frozen weights, named SemifreddoNets. SemifreddoNets work as fully-pipelined hardware blocks that are optimized to have an efficient hardware implementation. Those block
Externí odkaz:
http://arxiv.org/abs/2006.06888
We propose fixed-function neural network hardware that is designed to perform pixel-to-pixel image transformations in a highly efficient way. We use a fully trainable, fixed-topology neural network to build a model that can perform a wide variety of
Externí odkaz:
http://arxiv.org/abs/2001.00630
Autor:
Wu, Chyuan-Tyng, Isikdogan, Leo F., Rao, Sushma, Nayak, Bhavin, Gerasimow, Timo, Sutic, Aleksandar, Ain-kedem, Liron, Michael, Gilad
Publikováno v:
IEEE International Conference on Image Processing (ICIP), 2019, pp. 4624-4628
Traditional image signal processors (ISPs) are primarily designed and optimized to improve the image quality perceived by humans. However, optimal perceptual image quality does not always translate into optimal performance for computer vision applica
Externí odkaz:
http://arxiv.org/abs/1911.05931
In a typical video conferencing setup, it is hard to maintain eye contact during a call since it requires looking into the camera rather than the display. We propose an eye contact correction model that restores the eye contact regardless of the rela
Externí odkaz:
http://arxiv.org/abs/1906.05378
Autor:
Can, Canan, Akdeniz, Nadiye, Kömek, Halil *, Gündoğan, Cihan, Urakçı, Zuhat, Işıkdoğan, Abdurrahman
Publikováno v:
In Revista Española de Medicina Nuclear e Imagen Molecular (English Edition) January-February 2022 41(1):3-10
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Geoscience and Remote Sensing Letters 12/11 (2015): 2218-2221
Quantitative analysis of channel networks plays an important role in river studies. To provide a quantitative representation of channel networks, we propose a new method that extracts channels from remotely sensed images and estimates their widths. O
Externí odkaz:
http://arxiv.org/abs/1506.08670
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Remote Sensing of Environment 1 December 2017 202:88-97