Zobrazeno 1 - 10
of 1 427
pro vyhledávání: '"Van Gool L."'
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.
Besides standard cameras, autonomous vehicles typically include multipleadditional sensors, such as lidars and radars, which help acquire richerinformation for perceiving the content of the driving scene. While severalrecent works focus on fusing cer
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1874::e24e07af53e83f94fdf2c9768f9def16
https://hdl.handle.net/21.11116/0000-000C-1B9D-621.11116/0000-000C-1B9F-4
https://hdl.handle.net/21.11116/0000-000C-1B9D-621.11116/0000-000C-1B9F-4
This paper introduces DGNet, a novel deep framework that exploits objectgradient supervision for camouflaged object detection (COD). It decouples thetask into two connected branches, i.e., a context and a texture encoder. Theessential connection is t
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1874::490adb6a595e99e6dd43eede01283d0c
https://hdl.handle.net/21.11116/0000-000C-1B97-C21.11116/0000-000C-1B99-A
https://hdl.handle.net/21.11116/0000-000C-1B97-C21.11116/0000-000C-1B99-A
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.
Traditional domain adaptation addresses the task of adapting a model to a novel target domain under limited or no additional supervision. While tackling the input domain gap, the standard domain adaptation settings assume no domain change in the outp
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1874::019697a7f9621dd34663f182bfa04434
https://hdl.handle.net/21.11116/0000-0009-89F0-D21.11116/0000-0009-89F2-B
https://hdl.handle.net/21.11116/0000-0009-89F0-D21.11116/0000-0009-89F2-B
Publikováno v:
2021 IEEE/CVF International Conference on Computer Vision (ICCV)
ICCV 2021
ICCV 2021
One challenge of object recognition is to generalize to new domains, to more classes and/or to new modalities. This necessitates methods to combine and reuse existing datasets that may belong to different domains, have partial annotations, and/or hav
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f7bcd4623ae7f83c7d2d88e75459af58