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
  • Produktbild: Pattern Recognition and Computer Vision
Band 15045 - 19%

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

Aus der Reihe Lecture Notes in Computer Science
19% sparen

79,99 € UVP 98,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

19.10.2024

Abbildungen

XIV, 583 p. 192 illus., 185 illus. in color.

Herausgeber

Zhouchen Lin + weitere

Verlag

Springer Singapore

Seitenzahl

583

Maße (L/B/H)

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

Gewicht

896 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9784-98-1

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

19.10.2024

Abbildungen

XIV, 583 p. 192 illus., 185 illus. in color.

Herausgeber

Verlag

Springer Singapore

Seitenzahl

583

Maße (L/B/H)

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

Gewicht

896 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9784-98-1

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
  • Produktbild: Pattern Recognition and Computer Vision

  • Anchored Supervised Contrastive Learning for Long-Tailed Medical Image Regression.- Dynamic Feature Fusion Based on Consistency and Complementarity of Brain Atlases.- FUF-TransUNet: a transformer-based U-Net with fully utilize of features for liver and liver-tumor segmentation in CT images.- Dual-View Dual-Boundary Dual U-Nets for Multiscale Segmentation of Oral CBCT ImagesA Novel Diffusion Model with Wavelet Transform for Optic Disc and Cup Segmentation in Fundus Images.- STCTb: A Spatio-Temporal Collaborative Transformer Block for Brain Diseases Classification using fMRI Time Series.A Generalized Contrast-adjustment Guided Growth Method for Medical Image Segmentation.- MDNet: Morphology-Driven Weakly Supervised Polyp DetectionMMR-Sleep: A Multi-Channel and  Multi-Receptive Field Sleep Stage recognition  Model.- CPNet: Cross Prototype Network for Few-shot Medical Image Segmentation.- SBC-UNet: A Network Based on Improved Hourglass Attention Mechanism and U-Net for Medical Image Segmentation.- Bridge the gap of semantic context: A Boundary-guided Context Fusion UNet for Medical Image Segmentation.- Bilinear Fine-grained Classification of Ultrasound Images Integrated with Interpretable Radiomics.- GCNet: Global context-guided uncertainty boundary for polyp segmentation.- Comprehensive Transformer Integration Network (CTIN): Advancing Endoscopic Disease Segmentation with Hybrid Transformer Architecture.- IPM: An Intelligent Component for 3D Brain Tumor Segmentation Integrating Semantic Extractor and Pixel RefinerEdge-Net: A Self-supervised Medical Image Segmentation Model Based on Edge Attention.- Fundus image disease diagnosis and quality assessment based on dual-task collaborative optimization.- Multi-modality Correlation Learning Network for Pediatric Ventricular Septal Defects Identification.- MFIS-net: A Deep Learning Framework for Left Atrial Segmentation.- Semi-Supervised Gland Segmentation via Label Purification and Reliable Pixel Learning.- DFANet: A Dual-stream Deep Feature Aware Network for Multi-focus Image FusionMST-Gait：Application of Multi-Scale Temporal Modeling to Gait Recognition.- Identity-Preserving Animal Image Generation for Animal Individual Identification.- FIL-FLD: Few-shot Incremental Learning with EMD Metric for High Generalization Fingerprint Liveness DetectionText Based Unsupervised Domain Generalization Person Re-identificationSF-Gait: Two-Stage Temporal Compression Network for Learning Gait Micro-Motions and Cycle Patterns.- Coarse-to-Fine Domain Adaptation for Cross-subject EEG Emotion Recognition with Contrastive Learning.- Face Anti-spoofing based on Multi-view Anomaly Detection. -Online Signature Verification Based on Recurrent Attentional Time-Delay Neural Networks.- Multimodal finger recognition based on feature fusion  attention for fingerprints, finger-veins, and  f  inger-knuckle-prints. -Hierarchical Discrepancy-aware Interaction Network for Face Forgery DetectionAU-vMAE: Knowledge-Guide Action Units Detection via Video Masked AutoencoderTransformer-based Multimodal Spatial-Temporal Fusion for Gait Recognition.- Multi-level Distributional Discrepancy Enhancement for Cross Domain Face Forgery Detection.- Unsupervised person Re-ID based on nonlinear asymmetric metric learning.- FR-watermarking: A Fusion Framework for Face-Based Digital Watermarking.- Enhancing Semi-Dense Feature Matching through Probabilistic Modeling of Cascaded Supervision and Consistency.- Concentrating Estimation Attention: Human Prior Constrained Methods for Robust Classification.