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

Adaptable landmark localisation:Applying model transfer learning to a shape model matching system

Autor: Lindner, C., Waring, D., Thiruvenkatachari, B., O’Brien, K., Cootes, T. F.

Publikováno v: Lindner, C, Waring, D, Thiruvenkatachari, B, O’Brien, K & Cootes, T F 2017, Adaptable landmark localisation : Applying model transfer learning to a shape model matching system . in Medical Image Computing and Computer Assisted Intervention − MICCAI 2017-20th International Conference, Proceedings . vol. 10433 LNCS, Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 10433 LNCS, Springer Nature, pp. 144-151, 20th International Conference on Medical Image Computing and Computer-Assisted Intervention, MICCAI 2017, Quebec City, Canada, 11/09/17 . https://doi.org/10.1007/978-3-319-66182-7_17

We address the challenge of model transfer learning for a shape model matching (SMM) system. The goal is to adapt an existing SMM system to work effectively with new data without rebuilding the system from scratch. Recently, several SMM systems have

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=od______3818::1f35b5b91fa2aaa003e30067885ccbad
https://www.research.manchester.ac.uk/portal/en/publications/adaptable-landmark-localisation(cf82b5bc-44fe-4e4c-83f8-62bc328513e1).html

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

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

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