Zobrazeno 1 - 10
of 52
pro vyhledávání: '"Liu, Chonghua"'
The Internet's wealth of content, with up to 60% published in English, starkly contrasts the global population, where only 18.8% are English speakers, and just 5.1% consider it their native language, leading to disparities in online information acces
Externí odkaz:
http://arxiv.org/abs/2401.05314
Publikováno v:
In Journal of Chromatography A 22 November 2023 1711
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Wang, Yuanyuan, Guan, Shanghui, Bi, Yanhong, Lin, Sixiang, Ma, Jianjun, Xing, Qian, Liu, Chonghua, Zhang, Rui, Qu, Zhen, Jiang, Peng, Chen, Xue, Cheng, Yufeng
Publikováno v:
In Translational Oncology December 2018 11(6):1358-1363
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:
Personal and Ubiquitous Computing. 24:499-510
Indoor map construction by crowdsourcing has been an attractive topic. Previous works mostly focused on the indoor layout, which could be regarded as a grammar map. In this paper, we utilize CRF (conditional random field) to generate a semantic map i
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:
Lecture Notes in Electrical Engineering ISBN: 9789811537066
By carrying global message communication payloads on some satellites of the BeiDou Global System, a two-way link between a user terminal and a ground control center can be constructed by using inter-satellite links and satellite-ground links. At the
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::47cbcd6c21e178bd4237d89acf073e44
https://doi.org/10.1007/978-981-15-3707-3_41
https://doi.org/10.1007/978-981-15-3707-3_41
Publikováno v:
IEEE Access, Vol 5, Pp 24023-24031 (2017)
We propose an object detection system that depends on position-sensitive grid feature maps. State-of-the-art object detection networks rely on convolutional neural networks pre-trained on a large auxiliary data set (e.g., ILSVRC 2012) designed for an