Zobrazeno 1 - 8
of 8
pro vyhledávání: '"Fraczek, Rafał"'
Autor:
Krupiński, Jan, Wielgosz, Maciej, Mazurek, Szymon, Strzałka, Krystian, Russek, Paweł, Caputa, Jakub, Łukasik, Daria, Grzeszczyk, Jakub, Karwatowski, Michał, Fraczek, Rafał, Jamro, Ernest, Pietroń, Marcin, Koryciak, Sebastian, Dąbrowska-Boruch, Agnieszka, Wiatr, Kazimierz
This paper presents a computer-aided cytology diagnosis system designed for animals, focusing on image quality assessment (IQA) using Convolutional Neural Networks (CNNs). The system's building blocks are tailored to seamlessly integrate IQA, ensurin
Externí odkaz:
http://arxiv.org/abs/2308.06055
Autor:
Strzałka, Krystian, Mazurek, Szymon, Wielgosz, Maciej, Russek, Paweł, Caputa, Jakub, Łukasik, Daria, Krupiński, Jan, Grzeszczyk, Jakub, Karwatowski, Michał, Frączek, Rafał, Jamro, Ernest, Pietroń, Marcin, Koryciak, Sebastian, Dąbrowska-Boruch, Agnieszka, Wiatr, Kazimierz
This paper explores the innovative use of simulation environments to enhance data acquisition and diagnostics in veterinary medicine, focusing specifically on gait analysis in dogs. The study harnesses the power of Blender and the Blenderproc library
Externí odkaz:
http://arxiv.org/abs/2307.11695
Autor:
Caputa, Jakub, Wielgosz, Maciej, Łukasik, Daria, Russek, Paweł, Grzeszczyk, Jakub, Karwatowski, Michał, Mazurek, Szymon, Frączek, Rafał, Śmiech, Anna, Jamro, Ernest, Koryciak, Sebastian, Dąbrowska-Boruch, Agnieszka, Pietroń, Marcin, Wiatr, Kazimierz
The primary objective of this research was to enhance the quality of semantic segmentation in cytology images by incorporating super-resolution (SR) architectures. An additional contribution was the development of a novel dataset aimed at improving i
Externí odkaz:
http://arxiv.org/abs/2306.11848
Autor:
Grzeszczyk, Jakub, Karwatowski, Michał, Łukasik, Daria, Wielgosz, Maciej, Russek, Paweł, Mazurek, Szymon, Caputa, Jakub, Frączek, Rafał, Śmiech, Anna, Jamro, Ernest, Koryciak, Sebastian, Dąbrowska-Boruch, Agnieszka, Pietroń, Marcin, Wiatr, Kazimierz
This paper shows the machine learning system which performs instance segmentation of cytological images in veterinary medicine. Eleven cell types were used directly and indirectly in the experiments, including damaged and unrecognized categories. The
Externí odkaz:
http://arxiv.org/abs/2305.04332
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.
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:
Information Technologies in Biomedicine; 2010, p535-545, 11p
