Zobrazeno 1 - 10
of 9 799
pro vyhledávání: '"decision-level fusion"'
Autor:
Li, Can1 (AUTHOR) lican22@nudt.edu.cn, Zuo, Zhen1 (AUTHOR) z.zuo@nudt.edu.cn, Tong, Xiaozhong1 (AUTHOR), Huang, Honghe1 (AUTHOR), Yuan, Shudong1 (AUTHOR), Dang, Zhaoyang1 (AUTHOR)
Publikováno v:
Remote Sensing. Aug2024, Vol. 16 Issue 15, p2745. 17p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Akalya devi, C.1 (AUTHOR) cad.it@psgtech.ac.in, Karthika Renuka, D.1 (AUTHOR) dkr.it@psgtech.ac.in
Publikováno v:
IETE Journal of Research. Dec2023, Vol. 69 Issue 12, p8909-8920. 12p.
Publikováno v:
Journal of Jiangsu University (Natural Science Edition) / Jiangsu Daxue Xuebao (Ziran Kexue Ban). May2024, Vol. 45 Issue 3, p286-294. 9p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yadav, Santosh Kumar, Rafiqi, Muhtashim, Gummana, Egna Praneeth, Tiwari, Kamlesh, Pandey, Hari Mohan, Akbara, Shaik Ali
This paper presents a novel multimodal human activity recognition system. It uses a two-stream decision level fusion of vision and inertial sensors. In the first stream, raw RGB frames are passed to a part affinity field-based pose estimation network
Externí odkaz:
http://arxiv.org/abs/2306.15765
Parkinson disease is the second most common neurodegenerative disorder, as reported by the World Health Organization. In this paper, we propose a direct three-Class PD classification using two different modalities, namely, MRI and DTI. The three clas
Externí odkaz:
http://arxiv.org/abs/2307.02978
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:
Machines, Vol 12, Iss 8, p 509 (2024)
To address the limitations in predictive capabilities of thermal error models built from single-source, single-structure data, this paper proposes a thermal error prediction model based on decision-level fusion of multi-source heterogeneous informati
Externí odkaz:
https://doaj.org/article/e64717668bd847f2a572827700dfe373