( en | de | ru )

 

Disambiguierung von "Nakamura, Ryosuke"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
When CNNs meet random RNNs: Towards multi-level analysis for RGB-D object and scene recognition.

, , , und . Comput. Vis. Image Underst., (2022)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Shin'ichiro Nakamura

Makoto Nakamura

Akira Nakamura

Hideki Nakamura

Hatsuo Nakamura

 

Weitere Publikationen von Autoren mit dem selben Namen

Detection of thermal anomaly using Sentinel-2A data., und . IGARSS, Seite 831-833. IEEE, (2017)Damage detection from aerial images via convolutional neural networks., , , , , und . MVA, Seite 5-8. IEEE, (2017)Optimization and Performance Evaluation of Stereo-Matching Software on Many-core Processors., , , , , , und . ICCS, Volume 4 von Procedia Computer Science, Seite 1545-1553. Elsevier, (2011)Calibration of NIR 2 of Spectral Profiler Onboard Kaguya/SELENE., , , , , , , , , und 1 andere Autor(en). IEEE Trans. Geosci. Remote. Sens., 52 (11): 6882-6898 (2014)5.7 A 132dB Single-Exposure-Dynamic-Range CMOS Image Sensor with High Temperature Tolerance., , , , , , , , , und 7 andere Autor(en). ISSCC, Seite 106-108. IEEE, (2020)Animal Detection Using Thermal Images and Its Required Observation Conditions., , , , und . Remote Sensing, 10 (7): 1050 (2018)Detection by classification of buildings in multispectral satellite imagery., , , , , , und . ICPR, Seite 3344-3349. IEEE, (2016)SalFBNet: Learning pseudo-saliency distribution via feedback convolutional networks., , , , und . Image Vis. Comput., (2022)Lunar Calibration for ASTER VNIR and TIR with Observations of the Moon in 2003 and 2017., , , , , , , , und . Remote. Sens., 11 (22): 2712 (2019)SalFBNet: Learning Pseudo-Saliency Distribution via Feedback Convolutional Networks., , , , und . CoRR, (2021)