Zobrazeno 1 - 10
of 28
pro vyhledávání: '"Yamada, Takaki"'
Publikováno v:
Field Robotics 2 (2022) 1134-1155
This paper describes Georeference Contrastive Learning of visual Representation (GeoCLR) for efficient training of deep-learning Convolutional Neural Networks (CNNs). The method leverages georeference information by generating a similar image pair us
Externí odkaz:
http://arxiv.org/abs/2108.06421
Autor:
Curtis, Emma J., Durden, Jennifer M., Bett, Brian J., Huvenne, Veerle A.I., Piechaud, Nils, Walker, Jenny, Albrecht, James, Massot-Campos, Miquel, Yamada, Takaki, Bodenmann, Adrian, Cappelletto, Jose, Strong, James A., Thornton, Blair
Publikováno v:
In Progress in Oceanography March 2024 222
Autor:
Thornton, Blair, Bodenmann, Adrian, Yamada, Takaki, Stanley, David, Massot-Campos, Miquel, Huvenne, Veerle, Durden, Jennifer, Bett, Brian, Ruhl, Henry, Newborough, Darryl
Publikováno v:
Oceanography, 2021 Dec 01. 34(4), 92-93.
Externí odkaz:
https://www.jstor.org/stable/27217354
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yamada, Takaki
This thesis develops a method to incorporate domain knowledge into modern machine learning techniques when interpreting large volumes of robotically obtained seafloor imagery. Deep learning has the potential to automate tasks such as habitat and anim
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______348::4fe85e9a9242dd62ecf0f8fa5b2f9be5
https://eprints.soton.ac.uk/467876/
https://eprints.soton.ac.uk/467876/
Autor:
Yamada, Takaki, Massot-Campos, Miquel, Prügel-Bennett, Adam, Williams, Stefan B., Pizarro, Oscar, Thornton, Blair
This reference sheet is serving as a Zenodo placeholder for the publicationLeveraging Metadata in Representation Learning With Georeferenced Seafloor Imagery, which is currently Green Open Access and available in full through IEEE Xplore at the liste
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::fda2a1882cdb306d29737ebc14b52305
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.