Zobrazeno 1 - 10
of 211
pro vyhledávání: '"Pairwise learning"'
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:
Journal of Geodesy and Geoinformation Science, Vol 4, Iss 4, Pp 84-96 (2021)
As an independent navigation method, inertial navigation system(INS) has played a huge advantage in a lot of special conditions. But its positioning error will accumulate with time, so it is difficult to work independently for a long time. The vehicl
Externí odkaz:
https://doaj.org/article/825963a4d5f841d99203111e5989f2cc
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 Access, Vol 8, Pp 192352-192367 (2020)
Because the pairwise comparison is a natural and effective way to obtain subjective image quality scores, we propose an objective full-reference image quality assessment (FR-IQA) index based on pairwise learning to rank (PLR). We first compose a larg
Externí odkaz:
https://doaj.org/article/4a463e4bacbd4289a762fd4e641121bc
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.
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:
Applied Sciences, Vol 10, Iss 1, p 370 (2020)
Generative adversarial networks (GANs) can be used to generate a photo-realistic image from a low-dimension random noise. Such a synthesized (fake) image with inappropriate content can be used on social media networks, which can cause severe problems
Externí odkaz:
https://doaj.org/article/6733a01cc40943df94fb39655ebb017e