Zobrazeno 1 - 10
of 20 464
pro vyhledávání: '"Geometric transformation"'
3D point clouds captured from real-world sensors frequently encompass noisy points due to various obstacles, such as occlusion, limited resolution, and variations in scale. These challenges hinder the deployment of pre-trained point cloud recognition
Externí odkaz:
http://arxiv.org/abs/2407.16193
Autor:
А. А., МОСИСА1 mosisa.alex@gmail.com, Я.-В. Г., ЛАТИШЕВ1 yan.latyshev@gmail.com
Publikováno v:
Technologies & Engineering. 2024, Vol. 21 Issue 4, p67-72. 6p.
Autor:
Ramesh, Jayroop, Dinsdale, Nicola K, Consortium, the INTERGROWTH-21st, Yeung, Pak-Hei, Namburete, Ana IL
Accurately localizing two-dimensional (2D) ultrasound (US) fetal brain images in the 3D brain, using minimal computational resources, is an important task for automated US analysis of fetal growth and development. We propose an uncertainty-aware deep
Externí odkaz:
http://arxiv.org/abs/2405.13235
Autor:
Rindu Asyifa, Suwarno Suwarno
Publikováno v:
Kreano: Jurnal Matematika Kreatif-Inovatif, Vol 15, Iss 1, Pp 83-96 (2024)
The use of Worksheet teaching materials and textbooks from the government at MTs Darul Ulum Ranupakis and learning methods that are still teacher-centered. The lack of involvement in the context around students has resulted in a lack of student inter
Externí odkaz:
https://doaj.org/article/3b6efbd98a56421cb8d5f678aa462d2c
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.
Autor:
Zhang, Shengping1 (AUTHOR), Liu, Xianzhu1 (AUTHOR), Xie, Haozhe2 (AUTHOR), Nie, Liqiang3 (AUTHOR) nieliqiang@gmail.com, Zhou, Huiyu4 (AUTHOR), Tao, Dacheng5 (AUTHOR), Li, Xuelong6 (AUTHOR)
Publikováno v:
International Journal of Computer Vision. Sep2023, Vol. 131 Issue 9, p2425-2445. 21p.
Autor:
Kim, Taeho, Lee, Jong-Min
Most invariance-based self-supervised methods rely on single object-centric images (e.g., ImageNet images) for pretraining, learning features that invariant to geometric transformation. However, when images are not object-centric, the semantics of th
Externí odkaz:
http://arxiv.org/abs/2304.08014
Autor:
Awaluddin, Baiti-Ahmad1,2 (AUTHOR) da82b207@stust.edu.tw, Chao, Chun-Tang1 (AUTHOR) tang@stust.edu.tw, Chiou, Juing-Shian1 (AUTHOR) jschiou@stust.edu.tw
Publikováno v:
Mathematics (2227-7390). Dec2023, Vol. 11 Issue 23, p4783. 23p.