Výsledky vyhledávání - "Maâmatou, Houda"

Dissertation/ Thesis

Apprentissage semi-supervisé pour la détection multi-objets dans des séquences vidéos : Application à l'analyse de flux urbains

Autor: Maâmatou, Houda

Depuis les années 2000, un progrès significatif est enregistré dans les travaux de recherche qui proposent l’apprentissage de détecteurs d’objets sur des grandes bases de données étiquetées manuellement et disponibles publiquement. Cependa

Externí odkaz: http://www.theses.fr/2017CLFAC015/document

Zobrazit plný text záznamu

Report

SMC Faster R-CNN: Toward a scene-specialized multi-object detector

Autor: Mhalla, Ala, Chateau, Thierry, Maamatou, Houda, Gazzah, Sami, Amara, Najoua Essoukri Ben

Generally, the performance of a generic detector decreases significantly when it is tested on a specific scene due to the large variation between the source training dataset and the samples from the target scene. To solve this problem, we propose a n

Externí odkaz: http://arxiv.org/abs/1706.10217

Zobrazit plný text záznamu

Semi-supervised learning for multi-object detection in video sequences : Application to the analysis of urban flow

Autor: Maâmatou , Houda

Publikováno v: Vision par ordinateur et reconnaissance de formes [cs.CV]. Université Clermont Auvergne, 2017. Français. 〈NNT : 2017CLFAC015〉
Vision par ordinateur et reconnaissance de formes [cs.CV]. Université Clermont Auvergne [2017-2020]; Université de Sfax (Tunisie), 2017. Français. ⟨NNT : 2017CLFAC015⟩

Since 2000, a significant progress has been recorded in research work which has proposed to learn object detectors using large manually labeled and publicly available databases. However, when a generic object detector is applied on images of a specif

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::1da860941bee2461e2b32fee1611c175
https://tel.archives-ouvertes.fr/tel-01809530/document

Zobrazit plný text záznamu

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Erratum to: Sequential Monte Carlo filter based on multiple strategies for a scene specialization classifier.

Autor: Maâmatou, Houda, Chateau, Thierry, Gazzah, Sami, Goyat, Yann, Amara, Najoua

Publikováno v: EURASIP Journal on Image & Video Processing; 1/17/2017, Vol. 2017 Issue 1, p1-1, 1p

Zobrazit plný text záznamu

Vyhledávací nástroje:

Upřesnit hledání