Gutscheinbedingungen

**Gültig bis 14.09.2026 auf Spielzeug, Schreibwaren, Filme, Geschenke & Trends, Musik, tolino eReader & Zubehör, Hörbücher, nicht preisgebundene Bücher und Kalender in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Aufgrund der Buchpreisbindung sind deutschsprachige Bücher und eBooks ausgenommen. Zusätzlich ausgenommen sind Abos & Flatrates, Games, Geschenkkarten/-boxen, Shelfies, Software, Zeitschriften sowie einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Nur gültig mit im Onlineshop hinterlegter Bonuscard. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services.

Produktbild: Computer Vision – ACCV 2020
Band 12625

Computer Vision – ACCV 2020 15th Asian Conference on Computer Vision, Kyoto, Japan, November 30 – December 4, 2020, Revised Selected Papers, Part IV

99,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.02.2021

Abbildungen

XVIII, 715 p. 284 illus., 278 illus. in color.

Herausgeber

Hiroshi Ishikawa + weitere

Verlag

Springer

Seitenzahl

715

Maße (L/B/H)

23,5/15,5/4 cm

Gewicht

1095 g

Auflage

1st ed. 2021

Sprache

Englisch

ISBN

978-3-030-69537-8

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.02.2021

Abbildungen

XVIII, 715 p. 284 illus., 278 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

715

Maße (L/B/H)

23,5/15,5/4 cm

Gewicht

1095 g

Auflage

1st ed. 2021

Sprache

Englisch

ISBN

978-3-030-69537-8

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Computer Vision – ACCV 2020
  • Deep Learning for Computer Vision.- In-sample Contrastive Learning and Consistent Attention for Weakly Supervised Object Localization.- Exploiting Transferable Knowledge for Fairness-aware Image Classification.- Introspective Learning by Distilling Knowledge from Online Self-explanation.- Hyperparameter-Free Out-of-Distribution Detection Using Cosine Similarity.- Meta-Learning with Context-Agnostic Initialisations.- Second Order enhanced Multi-glimpse Attention in Visual Question Answering.- Localize to Classify and Classify to Localize: Mutual Guidance in Object Detection.- Unified Density-Aware Image Dehazing and Object Detection in Real-World Hazy Scenes.- Part-aware Attention Network for Person Re-Identification.- Image Captioning through Image Transformer.- Feature Variance Ratio-Guided Channel Pruning for Deep Convolutional Network Acceleration.- Learn more, forget less: Cues from human brain.- Knowledge Transfer Graph for Deep Collaborative Learning.- Regularizing Meta-Learning via Gradient Dropout.- Vax-a-Net: Training-time Defence Against Adversarial Patch Attacks.- Towards Optimal Filter Pruning with Balanced Performance and Pruning Speed.- Contrastively Smoothed Class Alignment for Unsupervised Domain Adaptation.- Double Targeted Universal Adversarial Perturbations.- Adversarially Robust Deep Image Super-Resolution using Entropy Regularization.- Online Knowledge Distillation via Multi-branch Diversity Enhancement.- Rotation Equivariant Orientation Estimation for Omnidirectional Localization.- Contextual Semantic Interpretability.- Few-Shot Object Detection by Second-order Pooling.- Depth-Adapted CNN for RGB-D cameras.- Generative Models for Computer Vision.- Over-exposure Correction via Exposure and Scene Information Disentanglement.- Novel-View Human Action Synthesis.- Augmentation Network for Generalised Zero-Shot Learning.- Local Facial Makeup Transfer via Disentangled Representation.- OpenGAN: Open Set Generative Adversarial Networks.- CPTNet: Cascade Pose Transform Network for Single Image Talking Head Animation.- TinyGAN: Distilling BigGAN for Conditional Image Generation.- A cost-effective method for improving and re-purposing large, pre-trained GANs by fine-tuning their class-embeddings.- RF-GAN: A Light and Reconfigurable Network for Unpaired Image-to-Image Translation.- GAN-based Noise Model for Denoising Real Images.- Emotional Landscape Image Generation Using Generative Adversarial Networks.- Feedback Recurrent Autoencoder for Video Compression.- MatchGAN: A Self-Supervised Semi-Supervised Conditional Generative Adversarial Network.- DeepSEE: Deep Disentangled Semantic Explorative Extreme Super-Resolution.- dpVAEs: Fixing Sample Generation for Regularized VAEs.- MagGAN: High-Resolution Face Attribute Editing with Mask-Guided Generative Adversarial Network.- EvolGAN: Evolutionary Generative Adversarial Networks.- Sequential View Synthesis with Transformer.