Vor Ort
Merkzettel Warenkorb

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: Pattern Recognition and Computer Vision
Band 15043 - 19%

Pattern Recognition and Computer Vision 7th Chinese Conference, PRCV 2024, Urumqi, China, October 18–20, 2024, Proceedings, Part XIII

Aus der Reihe Lecture Notes in Computer Science
19% sparen

79,99 € UVP 98,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.11.2024

Abbildungen

XIV, 577 p. 199 illus., 194 illus. in color.

Herausgeber

Zhouchen Lin + weitere

Verlag

Springer Singapore

Seitenzahl

577

Maße (L/B/H)

23,5/15,5/3,2 cm

Gewicht

890 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9784-92-9

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.11.2024

Abbildungen

XIV, 577 p. 199 illus., 194 illus. in color.

Herausgeber

Verlag

Springer Singapore

Seitenzahl

577

Maße (L/B/H)

23,5/15,5/3,2 cm

Gewicht

890 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9784-92-9

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: Pattern Recognition and Computer Vision

  • Scale-Adaptive Modulation Meet Compact Axial Transformer for Small Object Detection in UAV-Vision.- Lightweight and Multi-Scale Adaptive Network for Infrared Small Target Detection.- Multi-View Cross-Attention Network for Hyperspectral Object Tracking.- CountMamba: Exploring Multi-directional Selective State-Space Models for Plant Counting.- ECLNet: A Compact Encoder-Decoder Network for Efficient Camouflaged Object Detection.- Few-Shot Object Detection via Disentangling Class-Related Factors in Feature Distribution.- Multi-class token-guided end-to-end weakly supervised image semantic segmentation method.- Dynamic Subframe Splitting and Spatio-Temporal Motion Entangled Sparse Attention for RGB-E Tracking.- DIDNet: An End-to-End Directional Insulator Detection Network based on direction field.- L2FIG-Tracker: l2-norm based Fusion with Illumination Guidance for RGB-D Object TrackingCompleting Saliency from Details.- CDAF3D: Cross-Dimensional Attention Fusion for Indoor 3D Object Detection.- RETrack: Multi-Object Tracking by Associating Proposal Regions.- PGNET: A Real-time efficient model for underwater object detectionA Temporal Recognition Framework for Multi-Sheep Behaviour Using ViTSORT and YOLOv8-MS.- Tracking Transforming Objects: A Benchmark.- Modality-Shared Prototypes for Enhanced Unsupervised Visible-Infrared Person Re-identification.- Vehicle Re-identification with a Pose-aware Discriminative Part Learning Model.- Dual-Teacher Network with SSIM based Reverse Distillation for Anomaly DetectionCFMVOR: Federated Multi-view 3D Object Recognition Based on Compressed Learning.- Enhanced Anomaly Detection using Spatial-Alignment and Multi-scale Fusion.- Confidence-Weighted Teacher: Semi-Supervised Object Detection Based on Confidence Correction.- Shape-Aware Soft Label Assignment and Context Enhancement for Oriented Object Detection.- Chareption: Change-Aware Adaption Empowers Large Language Model for Effective Remote Sensing Image Change Captioning.- Spectral-Spatial Multi-view Sparse Self-Representation for Hyperspectral Band Selection.- Adaptive Cross-spatial Sensing Network for Change Detection.- HANet: Hierarchical Attention Network for Remote Sensing Images Semantic Segmentation.- BiReNet: Bilateral Network with Feature Fusion and Edge Detection for Remote Sensing Images Road Extraction.- Latent Feature Representation-Based Low Rank Subspace Clustering for Hyperspectral Band Selection.- DICMNet: Dynamic Irregular Resnet with Multi-direction Channel Remapping for Remote Sensing Road Extraction.- Discriminative Representation-based Classifier for Few-shot Remote Sensing Classification.- Hyperspectral Image Change Detection via Cross-Sample Slot Attention and Dual Gated Feed-Forward Network.- Hyperspectral Image Super-resolution Based on Dual-domain Gated Attention Network.- Spectral Channel-weighting CAT for Hyperspectral image ClassificationBFRNet: Bimodal Fusion and Rectification Network for Remote Sensing Semantic Segmentation.- SFFAFormer: An Semantic Fusion and Feature Accumulation Approach for Change Detection on Remote Sensing ImagesA Novel Multi-scale Feature Fusion based Network for Hyperspectral and Multispectral Image Fusion.- A Sidelobe-Aware Semi-Deformable Convolutional Ship Detection Network for Synthetic Aperture Radar Imagery.- Feature Exchange and Distribution-based Mining Land Detection Method by Multispectral Imagery.