Towards the understanding of object manipulations by means of combining common sense rules and deep networks

QR kód

Towards the understanding of object manipulations by means of combining common sense rules and deep networks

Object detection on images and videos improved remarkably recently. However, state-of-theart methods still have considerable shortcomings: they require training data for each object class, are prone to occlusions and may have high false positive or false negative rates being prohibitive in diverse a...

Teljes leírás

Elmentve itt :

Bibliográfiai részletek
Szerzők:	Csákvári Máté Sárkány András
Testületi szerző:	Conference of PhD students in computer science (11.) (2018) (Szeged)
Dokumentumtípus:	Könyv része
Megjelent:	2018
Sorozat:	Conference of PhD Students in Computer Science 11
Kulcsszavak:	Számítástechnika
Online Access:	http://acta.bibl.u-szeged.hu/61781

Hasonló tételek

Combining common sense rules and machine learning to understand object manipulation
Szerző: Sárkány András, et al.
Megjelent: (2019)

Walt Whitman’s Common Sense
Szerző: Sueyoshi Kiyotaka
Megjelent: (2019)

Towards understanding the safety and biocompatibility of electrospun fibers
Szerző: Põhako Kaisa, et al.
Megjelent: (2021)

Towards understanding hydrogenase maturation in Thiocapsa roseopersicina
Szerző: Fodor Barna Dezső
Megjelent: (2003)

Hyphenation using deep neural networks
Szerző: Németh Gergely Dániel, et al.
Megjelent: (2018)

Manipulation in Marketing
Szerző: Baum Adam
Megjelent: (2019)

Független függések, avagy Common Sense és földrészpopulizmus [könyvismertetés] /
Szerző: A. Gergely András
Megjelent: (2016)

Convolutional Deep Maxout Networks for Phone Recognition
Szerző: Tóth László
Megjelent: (2014)

Speech de-identification with deep neural networks
Szerző: Fodor Ádám, et al.
Megjelent: (2021)

Towards an Optimality-Theoretic model of sense choice the case of polysemous gir /
Szerző: Uçar Aygül
Megjelent: (2012)

Langue et manipulation
Szerző: Koszta Mihály
Megjelent: (2021)

QR code localization using deep neural networks
Szerző: Grósz Tamás, et al.
Megjelent: (2014)

Phone recognition with deep sparse rectifier neural networks
Szerző: Tóth László
Megjelent: (2013)

Deep Neural Network Embeddings for the Estimation of the Degree of Sleepiness
Szerző: Egas-Lopez Jose Vicente, et al.
Megjelent: (2021)

Phone recognition with hierarchical convolutional deep maxout networks
Szerző: Tóth László
Megjelent: (2015)

Macromolecule design and manipulation practical textbook /
Szerző: Borsos Barbara Nikolett, et al.
Megjelent: (2018)

Manipulation in Advertisements A Research from a Pragmatic Aspect /
Szerző: Honti Erika
Megjelent: (2007)

Program code analysis and manipulation
Szerző: Kiss Ákos
Megjelent: (2009)

Címkéző manipulátor fejlesztése, tervezése
Szerző: Kacsán Dávid
Megjelent: (2020)

PoS-tagging and lemmatization with a deep recurrent neural network
Szerző: Ugray Gábor
Megjelent: (2019)

Document Classification with Deep Rectifier Neural Networks and Probabilistic Sampling
Szerző: Grósz Tamás, et al.
Megjelent: (2014)

Robust Rule Based Neural Network Using Arithmetic Fuzzy Inference System
Szerző: Dombi József, et al.
Megjelent: (2022)

Fachsprachliche Manipulation In Dem Heutigen Werbedeutsch
Szerző: Sümeginé Szép Mária
Megjelent: (1998)

Novel U-net based deep neural networks for transmission tomography
Szerző: Olasz Csaba, et al.
Megjelent: (2022)

Towards an Understanding of the Geographical Background of Plants Invasion as a Natural Hazard a Case Study in Hungary /
Szerző: Szilassi Péter, et al.
Megjelent: (2022)

Parameter estimation of long memory stochastic processes with deep neural networks [abstract] /
Szerző: Csanády Bálint, et al.
Megjelent: (2024)

An exercise in non-understanding Bret Easton Ellis The rules of attraction /
Szerző: Fodor Péter, et al.
Megjelent: (2014)

Decision tree combined with neural networks for financial forecast [abstract] /
Szerző: Bozsik József
Megjelent: (2010)

Understanding Iranian Refugee Discourse in Turkey on Twitter by Using Social Network Analysis
Szerző: Bahri Mohammad Thoriq
Megjelent: (2023)

A sequence training method for Deep Rectifier Neural Networks in Speech Recognition
Szerző: Grósz Tamás, et al.
Megjelent: (2014)

Localization of visual codes in the DCT domain using deep rectifier neural networks
Szerző: Bodnár Péter, et al.
Megjelent: (2014)

Training Methods for Deep Neural Network-Based Acoustic Models in Speech Recognition
Szerző: Grósz Tamás
Megjelent: (2018)

Mean square exponential stability of stochastic delay cellular neural networks
Szerző: Guo Yingxin
Megjelent: (2013)

Control of epidemic propagation on networks by using a mean-field model
Szerző: Bodó Ágnes, et al.
Megjelent: (2018)

Control of epidemic propagation on networks by using a mean-field model
Szerző: Bodó Ágnes, et al.
Megjelent: (2018)

Association rule mining
Szerző: Horváth Tamás

Using Acoustic Deep Neural Network Embeddings to Detect Multiple Sclerosis From Speech
Szerző: Gosztolya Gábor, et al.
Megjelent: (2022)

Domain Adaptation of Deep Neural Networks for Automatic Speech Recognition via Wireless Sensors
Szerző: Gosztolya Gábor, et al.
Megjelent: (2016)

A comparison of deep neural network training methods for large vocabulary speech recognition
Szerző: Tóth László, et al.
Megjelent: (2013)

Laughter Classification Using Deep Rectifier Neural Networks with a Minimal Feature Subset
Szerző: Gosztolya Gábor, et al.
Megjelent: (2016)