Huszár Viktor et al. Live Spoofing Detection for Automatic Human Activity Recognition Applications. (2021) SENSORS 1424-8220 21 21, 32479400
Szakcikk (Folyóiratcikk) | Tudományos[32479400]
  1. Hidayat Fadhil et al. Face Recognition for Automatic Border Control: A Systematic Literature Review. (2024) IEEE ACCESS 2169-3536 2169-3536 12 37288-37309
    Szakcikk (Folyóiratcikk) | Tudományos[35002047] [Egyeztetett]
    Független, Idéző: 35002047, Kapcsolat: 34559013
  2. Neelima Medikonda et al. Optimized deep network based spoof detection in automatic speaker verification system. (2023) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721
    Szakcikk (Folyóiratcikk) | Tudományos[34358441] [Egyeztetett]
    Független, Idéző: 34358441, Kapcsolat: 33594419
  3. Barua Prabal Datta et al. Novel automated detection of sports activities using shadow videos. (2023) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721
    Szakcikk (Folyóiratcikk) | Tudományos[34358439] [Egyeztetett]
    Független, Idéző: 34358439, Kapcsolat: 33594417
  4. Hafeez Sadaf et al. Multi-Sensor-Based Action Monitoring and Recognition via Hybrid Descriptors and Logistic Regression. (2023) IEEE ACCESS 2169-3536 2169-3536 11 48145-48157
    Szakcikk (Folyóiratcikk) | Tudományos[34358442] [Egyeztetett]
    Független, Idéző: 34358442, Kapcsolat: 33594420
  5. Diraco Giovanni et al. Human Action Recognition in Smart Living Services and Applications: Context Awareness, Data Availability, Personalization, and Privacy. (2023) SENSORS 1424-8220 23 13
    Összefoglaló cikk (Folyóiratcikk) | Tudományos[34358440] [Egyeztetett]
    Független, Idéző: 34358440, Kapcsolat: 33594418
  6. Mamchur Dmytro et al. The Use of Terrestrial and Maritime Autonomous Vehicles in Nonintrusive Object Inspection. (2022) SENSORS 1424-8220 22 20
    Összefoglaló cikk (Folyóiratcikk) | Tudományos[33415777] [Egyeztetett]
    Független, Idéző: 33415777, Kapcsolat: 32161711
  7. Benlamoudi Azeddine et al. Face Presentation Attack Detection Using Deep Background Subtraction. (2022) SENSORS 1424-8220 1424-8220 22 10
    Szakcikk (Folyóiratcikk) | Tudományos[33415779] [Egyeztetett]
    Független, Idéző: 33415779, Kapcsolat: 32161714
  8. Huang Heqing et al. Design of Citrus Fruit Detection System Based on Mobile Platform and Edge Computer Device. (2022) SENSORS 1424-8220 22 1
    Szakcikk (Folyóiratcikk) | Tudományos[33415781] [Egyeztetett]
    Független, Idéző: 33415781, Kapcsolat: 32161716
  9. Hnoohom Narit et al. ACF: An Armed CCTV Footage Dataset for Enhancing Weapon Detection. (2022) SENSORS 1424-8220 1424-8220 22 19
    Szakcikk (Folyóiratcikk) | Tudományos[33415778] [Egyeztetett]
    Független, Idéző: 33415778, Kapcsolat: 32161713
Huszar Viktor Denes et al. Towards Fast and Accurate Violence Detection for Automated Video Surveillance Applications. (2023) IEEE ACCESS 2169-3536 2169-3536 11 18772-18793, 33646713
Szakcikk (Folyóiratcikk) | Tudományos[33646713]
  1. Bansal Jagdish Chand. Sustainable Computing and Intelligent Systems. (2025) ISBN:9789819633104; 9789819633111
    Szakkönyv (Könyv) | Tudományos[36129636] [Nyilvános]
    Független, Idéző: 36129636, Kapcsolat: 36196881
  2. Andrade João Pedro et al. SUSAN: A deep learning-based architecture for violence detection against women in surveillance videos. (2025) EXPERT SYSTEMS WITH APPLICATIONS 0957-4174 1873-6793 280 p. 127337
    Szakcikk (Folyóiratcikk) | Tudományos[36090523] [Nyilvános]
    Független, Idéző: 36090523, Kapcsolat: 36151531
  3. Swapnil Antara Labiba et al. Multimodal Deep Learning for Violence Detection: VGGish and MobileViT Integration With Knowledge Distillation on Jetson Nano. (2025) IEEE OPEN JOURNAL OF THE COMMUNICATIONS SOCIETY 2644-125X 6 2907-2925
    Szakcikk (Folyóiratcikk) | Tudományos[35649961] [Nyilvános]
    Független, Idéző: 35649961, Kapcsolat: 35447475
  4. Sebastian Sneha et al. IntrusionGuard: An Approach to Intrusion Detection in Next-Generation Networks. (2025) Megjelent: Sustainable Computing and Intelligent Systems pp. 1-12
    Szaktanulmány (Könyvrészlet) | Tudományos[36130322] [Nyilvános]
    Független, Idéző: 36130322, Kapcsolat: 36197497
  5. Turyahabwa Paul et al. Integrative Review of Human Activity Recognition and Violence Detection: Exploring Techniques, Modalities, and Cross-Domain Knowledge Transfer. (2025) Journal of Data Science and Intelligent Systems 2972-3841 12 1.-15.
    Szakcikk (Folyóiratcikk) | Tudományos[36051818] [Nyilvános]
    Független, Idéző: 36051818, Kapcsolat: 36099706
  6. Inayathulla Mohammed et al. Enhancing Real-Time Violence Detection in Video Surveillance Using Hybrid Deep Learning Model. (2025) JOURNAL OF WIRELESS MOBILE NETWORKS UBIQUITOUS COMPUTING AND DEPENDABLE APPLICATIONS 2093-5382 2093-5374 16 1 344-361
    Szakcikk (Folyóiratcikk) | Tudományos[36127843] [Nyilvános]
    Független, Idéző: 36127843, Kapcsolat: 36194875
  7. Yildirim Kubra et al. DMPat-based SOXFE: investigations of the violence detection using EEG signals. (2025) COGNITIVE NEURODYNAMICS 1871-4080 1871-4099 19 1
    Szakcikk (Folyóiratcikk) | Tudományos[36182883] [Nyilvános]
    Független, Idéző: 36182883, Kapcsolat: 36247916
  8. Houming Gong et al. BullySense: A Approach for Campus Bullying Detection Leveraging LLava Foundation Model. (2025)
    Csak repozitóriumban hozzáférhető közlemény (Egyéb) | Tudományos[35663846] [Nyilvános]
    Független, Idéző: 35663846, Kapcsolat: 35463489
  9. Mersah Sitti et al. A Survey: Lightweight Blockchain Privacy-Preserving techniques for Smart Cameras in Agriculture 4.0. (2025) Ghana Journal of Technology 2616-1486 2467-8910 9. 1. 24.-55.
    Szakcikk (Folyóiratcikk) | Tudományos[36127816] [Nyilvános]
    Független, Idéző: 36127816, Kapcsolat: 36194845
  10. Cabanillas Carbonell Michael et al. Artificial intelligence in video surveillance systems for suspicious activity detection and incident response: A systematic review. (2025) ADVANCES IN SCIENCE AND TECHNOLOGY-RESEARCH JOURNAL 2080-4075 2299-8624 19 3 389-405
    Szakcikk (Folyóiratcikk) | Tudományos[35723441] [Nyilvános]
    Független, Idéző: 35723441, Kapcsolat: 35532946
  11. Chaubey Mrityunjay et al. A Reliable People Tracking in Nuclear Power Plant Control Room Monitoring System Using Particle Filter. (2025) IEEE TRANSACTIONS ON RELIABILITY 0018-9529 1558-1721 74 1 2041-2055
    Szakcikk (Folyóiratcikk) | Tudományos[36123478] [Nyilvános]
    Független, Idéző: 36123478, Kapcsolat: 34592312
  12. Park Kwonyeol et al. Anomaly Detection-Based UE-Centric Inter-Cell Interference Suppression. (2025) IEEE OPEN JOURNAL OF THE COMMUNICATIONS SOCIETY 2644-125X 6 1512-1527
    Szakcikk (Folyóiratcikk) | Tudományos[35993764] [Nyilvános]
    Független, Idéző: 35993764, Kapcsolat: 36001720
  13. Shrish R. et al. An intensive survey on violence detection from videos using computer vision techniques. (2025) ENGINEERING COMPUTATIONS 0264-4401 1758-7077 1. p. 10.1108/EC-03-2024-0169
    Szakcikk (Folyóiratcikk) | Tudományos[36075537] [Nyilvános]
    Független, Idéző: 36075537, Kapcsolat: 36129821
  14. K. Lokesh et al. Adaptive Pixel Deviation Absorption Technique for Efficient Video Surveillance using Deep Convolutional Neural Networks. (2025) ENGINEERING TECHNOLOGY & APPLIED SCIENCE RESEARCH 2241-4487 1792-8036 15 2. 20798-20804
    Szakcikk (Folyóiratcikk) | Tudományos[35800659] [Nyilvános]
    Független, Idéző: 35800659, Kapcsolat: 35687459
  15. Provath Md Al-Mamun et al. XAI-Driven Lightweight Multiscale ConvLSTM Architecture for Video Violence Detection. (2024) Megjelent: 2024 IEEE 33rd International Symposium on Industrial Electronics (ISIE)
    Konferenciaközlemény (Könyvrészlet) | Tudományos[35379860] [Egyeztetett]
    Független, Idéző: 35379860, Kapcsolat: 35086985
  16. Tu Yueh-Shen et al. Violent Video Recognition by Using Sequential Image Collage. (2024) SENSORS 1424-8220 24 6 p. 1844
    Szakcikk (Folyóiratcikk) | Tudományos[34744507] [Egyeztetett]
    Független, Idéző: 34744507, Kapcsolat: 34188955
  17. Saleem L. Abdul et al. Violence Detection in Videos Using Low Complex Convolution Neural Network for Surveillance Applications. (2024) JOURNAL OF WIRELESS MOBILE NETWORKS UBIQUITOUS COMPUTING AND DEPENDABLE APPLICATIONS 2093-5382 2093-5374 15 4 358-369
    Szakcikk (Folyóiratcikk) | Tudományos[35663867] [Nyilvános]
    Független, Idéző: 35663867, Kapcsolat: 35463509
  18. Honarjoo Narges et al. Violence detection in compressed video. (2024) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 67 3 1232.-1246.
    Szakcikk (Folyóiratcikk) | Tudományos[34966844] [Nyilvános]
    Független, Idéző: 34966844, Kapcsolat: 34498692
  19. Chakraborty Sovon et al. Violence Detection: A Multi-Model Approach Towards Automated Video Surveillance and Public Safety. (2024) Megjelent: 2024 International Conference on Advances in Computing, Communication, Electrical, and Smart Systems (iCACCESS) pp. 1-6
    Szaktanulmány (Könyvrészlet) | Tudományos[34823677] [Nyilvános]
    Független, Idéző: 34823677, Kapcsolat: 34297694
  20. Rendón-Segador Fernando J. et al. Transformer and Adaptive Threshold Sliding Window for Improving Violence Detection in Videos. (2024) SENSORS 1424-8220 24 16 p. 5429
    Szakcikk (Folyóiratcikk) | Tudományos[35180947] [Egyeztetett]
    Független, Idéző: 35180947, Kapcsolat: 34782501
  21. Pablo Negre et al. Systematic mapping study on violence detection in video by means of trustworthy artificial intelligence. (2024) SOCIAL SCIENCE RESEARCH NETWORK: SSRN 1556-5068 2024 1 p. 67
    Szakcikk (Folyóiratcikk) | Tudományos[34779268] [Nyilvános]
    Független, Idéző: 34779268, Kapcsolat: 34232584
  22. JPF de Andrade et al. Susan: A Deep Learning-Based Architecture for Violence Detection Against Women in Surveillance Videos. (2024) SOCIAL SCIENCE RESEARCH NETWORK: SSRN 1556-5068 2024 1-30
    Szakcikk (Folyóiratcikk) | Tudományos[35481125] [Nyilvános]
    Független, Idéző: 35481125, Kapcsolat: 35215544
  23. Amiket Elinje et al. Pleksus: Inspect the suspect. (2024) INTERNATIONAL JOURNAL OF PROGRESSIVE RESEARCH IN ENGINEERING MANAGEMENT AND SCIENCE (IJPREMS) 2583-1062 4 4 856.-870.
    Szakcikk (Folyóiratcikk) | Tudományos[35075234] [Nyilvános]
    Független, Idéző: 35075234, Kapcsolat: 34676230
  24. Elakiya V. et al. Mosaicking based optimal threshold image enhancement for violence detection with deep quadratic attention mechanism. (2024) JOURNAL OF BIG DATA 2196-1115 2196-1115 11 1
    Szakcikk (Folyóiratcikk) | Tudományos[35481092] [Egyeztetett]
    Független, Idéző: 35481092, Kapcsolat: 35215514
  25. Brandon Vicente Ramirez. Modelo para la monitorización continua y la identificación temprana de situaciones de riesgo en entornos urbanos vigilados. (2024)
    PhD (Disszertáció) | Tudományos[35663939] [Nyilvános]
    Említések száma: 3
    Független, Idéző: 35663939, Kapcsolat: 35463613
  26. Waddenkery Nischita et al. Loitering Based Human Crime Detection in Video Surveillance using Beluga Whale Adam Dingo Optimizer and Deep Convolutional Neural Network. (2024) INTERNATIONAL ARAB JOURNAL OF INFORMATION TECHNOLOGY 1683-3198 1683-3198 21 3 p. &
    Szakcikk (Folyóiratcikk) | Tudományos[34900884] [Nyilvános]
    Független, Idéző: 34900884, Kapcsolat: 34754998
  27. Negre Pablo et al. Literature Review of Deep-Learning-Based Detection of Violence in Video. (2024) SENSORS 1424-8220 24 12 p. 4016
    Szakcikk (Folyóiratcikk) | Tudományos[35074970] [Egyeztetett]
    Független, Idéző: 35074970, Kapcsolat: 34675889
  28. Han Yuna et al. Insider Threat Surveillance System via Multimodal-Based Physical Leak Detection and Optimal Imbalanced Augmentation in Research and Development Environments. (2024) HUMAN-CENTRIC COMPUTING AND INFORMATION SCIENCES 2192-1962 14
    Szakcikk (Folyóiratcikk) | Tudományos[35993765] [Egyeztetett]
    Független, Idéző: 35993765, Kapcsolat: 36001721
  29. Han Xiaowei et al. Human Action Recognition Research Based on Channel-Temporal Self-Attention Block Network. (2024) Megjelent: 2024 6th International Conference on Robotics and Computer Vision (ICRCV) pp. 79-87
    Szaktanulmány (Könyvrészlet) | Tudományos[35627883] [Nyilvános]
    Független, Idéző: 35627883, Kapcsolat: 35421578
  30. Poonia Ramesh Chandra et al. Finding Real-Time Crime Detections During Video Surveillance by Live CCTV Streaming Using the Deep Learning Models. (2024) Megjelent: Proceedings of the 2024 10th International Conference on Computing and Artificial Intelligence pp. 272-277
    Szaktanulmány (Könyvrészlet) | Tudományos[35463915] [Nyilvános]
    Független, Idéző: 35463915, Kapcsolat: 35196630
  31. Karlsson Kalle et al. Exploring the surveillance technology discourse: a bibliometric analysis and topic modeling approach. (2024) FRONTIERS IN ARTIFICIAL INTELLIGENCE 2624-8212 7 2024 1.-15.
    Szakcikk (Folyóiratcikk) | Tudományos[35012067] [Egyeztetett]
    Független, Idéző: 35012067, Kapcsolat: 34577235
  32. Janbi Nourah Fahad et al. ESTS‐GCN: An Ensemble Spatial–Temporal Skeleton‐Based Graph Convolutional Networks for Violence Detection. (2024) INTERNATIONAL JOURNAL OF INTELLIGENT SYSTEMS 0884-8173 1098-111X 2024 1 1.-19.
    Szakcikk (Folyóiratcikk) | Tudományos[35495451] [Egyeztetett]
    Független, Idéző: 35495451, Kapcsolat: 35240370
  33. Honnegowda Jyothi et al. Enhanced Abnormal Event Detection in Surveillance Videos Through Optimized Regression Algorithms. (2024) Journal of Intelligent Systems and Control 2957-9805 2957-9813 3 2 121-134
    Szakcikk (Folyóiratcikk) | Tudományos[35663882] [Nyilvános]
    Független, Idéző: 35663882, Kapcsolat: 35463532
  34. Hada Aditya Singh et al. Embedded System for Societal Violence Detection and Intervention. (2024) Megjelent: 2024 IEEE International Conference on Electronics, Computing and Communication Technologies (CONECCT) pp. 1-6
    Konferenciaközlemény (Könyvrészlet) | Tudományos[35993766] [Nyilvános]
    Független, Idéző: 35993766, Kapcsolat: 36001722
  35. Arnab Dey et al. Efficient Violence Recognition in Video Streams using ResDLCNN-GRU Attention Network. (2024) ECTI Transactions on Computer and Information Technology 2286-9131 18 3 329-341
    Szakcikk (Folyóiratcikk) | Tudományos[35211788] [Nyilvános]
    Független, Idéző: 35211788, Kapcsolat: 34821907
  36. Ren Xiaohui et al. Efficiently adapting large pre-trained models for real-time violence recognition in smart city surveillance. (2024) JOURNAL OF REAL-TIME IMAGE PROCESSING 1861-8200 1861-8219 21 4
    Szakcikk (Folyóiratcikk) | Tudományos[35379861] [Egyeztetett]
    Független, Idéző: 35379861, Kapcsolat: 35086986
  37. Pankaj Thakur et al. Edge AI Enabled IoT Framework for Secure Smart Home Infrastucture. (2024) PROCEDIA COMPUTER SCIENCE 1877-0509 235. 2 3369.-3378.
    Szakcikk (Folyóiratcikk) | Tudományos[34900530] [Nyilvános]
    Független, Idéző: 34900530, Kapcsolat: 34394305
  38. Thakur Pankaj et al. Edge AI Enabled IoT Framework for Secure Smart Home Infrastructure. (2024) PROCEDIA COMPUTER SCIENCE 1877-0509 235 2024. 3369-3378
    Szakcikk (Folyóiratcikk) | Tudományos[36052527] [Nyilvános]
    Független, Idéző: 36052527, Kapcsolat: 36100619
  39. Jennifer D et al. Automated vigilence system for physical clash detection in localized environments. (2024) Megjelent: 2024 10th International Conference on Communication and Signal Processing (ICCSP) pp. 359-364
    Könyvfejezet (Könyvrészlet) | Tudományos[34966902] [Nyilvános]
    Független, Idéző: 34966902, Kapcsolat: 34498787
  40. Zhao Lanfei et al. A Review of State-of-the-Art Methodologies and Applications in Action Recognition. (2024) ELECTRONICS (SWITZ) 2079-9292 13 23 p. 4733
    Szakcikk (Folyóiratcikk) | Tudományos[35663975] [Nyilvános]
    Független, Idéző: 35663975, Kapcsolat: 35463664
  41. Manjari Gupta et al. A Reliable People Tracking in Nuclear Power Plant Control Room Monitoring System Using Particle Filter. (2024) IEEE TRANSACTIONS ON RELIABILITY 0018-9529 1558-1721 2024 1 1.-15.
    Szakcikk (Folyóiratcikk) | Tudományos[34856909] [Nyilvános]
    Független, Idéző: 34856909, Kapcsolat: 34339561
  42. Dhirendra Tripathi et al. An Overview of Deep Learning Techniques for Enhanced Violence Detection in Surveillance Systems. (2024) International Journal of Scientific Research & Engineering Trends 2395-566X 10. 5. 2388-2393
    Szakcikk (Folyóiratcikk) | Tudományos[35615548] [Nyilvános]
    Független, Idéző: 35615548, Kapcsolat: 35407598
  43. Sangita Mahendra Rajput et al. Anomaly Object Recognition In Surveillance Videos: A Review. (2024) AFRICAN JOURNAL OF BIOLOGICAL SCIENCES 2663-2187 6. 4 1.-16.
    Szakcikk (Folyóiratcikk) | Tudományos[35159119] [Nyilvános]
    Független, Idéző: 35159119, Kapcsolat: 34758569
  44. Kaur Gurmeet et al. An ensemble based approach for violence detection in videos using deep transfer learning. (2024) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 2024. 20 May p. 1.
    Szakcikk (Folyóiratcikk) | Tudományos[34872991] [Nyilvános]
    Független, Idéző: 34872991, Kapcsolat: 34359751
  45. Zhang Peng et al. A framework for detecting fighting behavior based on key points of human skeletal posture. (2024) COMPUTER VISION AND IMAGE UNDERSTANDING 1077-3142 1090-235X 248
    Szakcikk (Folyóiratcikk) | Tudományos[35379859] [Nyilvános]
    Független, Idéző: 35379859, Kapcsolat: 35086984
  46. Pathirannahalage Iroshan et al. A comprehensive analysis of real-time video anomaly detection methods for human and vehicular movement. (2024) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 83 14. p. 1.
    Szakcikk (Folyóiratcikk) | Tudományos[34823676] [Nyilvános]
    Független, Idéző: 34823676, Kapcsolat: 34297693
  47. Ehsan Tahereh Zarrat et al. Violence detection in videos: a review on hand-crafted and deep-learning techniques. (2023) Megjelent: Access Control and Security Monitoring of Multimedia Information Processing and Transmission pp. 211-238
    Könyvfejezet (Könyvrészlet) | Tudományos[35479737] [Nyilvános]
    Független, Idéző: 35479737, Kapcsolat: 35213792
  48. Pethő Zsombor. The safety risk of inter-vehicular communication considering network performance and vehicle dynamics factors. (2023)
    PhD (Disszertáció) | Tudományos[35577014] [Nyilvános]
    Független, Idéző: 35577014, Kapcsolat: 35446658
  49. Kumari Pratibha et al. Multimedia datasets for anomaly detection: a review. (2023) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 2023. 1.-51.
    Szakcikk (Folyóiratcikk) | Tudományos[34440479] [Egyeztetett]
    Független, Idéző: 34440479, Kapcsolat: 33749597
  50. Mohammed Mohammed Sultan et al. Motion Pattern-Based Scene Classification Using Adaptive Synthetic Oversampling and Fully Connected Deep Neural Network. (2023) IEEE ACCESS 2169-3536 2169-3536 11 119659-119675
    Szakcikk (Folyóiratcikk) | Tudományos[34673725] [Nyilvános]
    Független, Idéző: 34673725, Kapcsolat: 34114159
  51. Viswanatha V. et al. Motion and Object Recognition for Crime Prediction and Forecasting: A Review. (2023) QUADERNS: REVISTA DE TRADUCCIO 1138-5790 2014-9735 11 9 162.-177.
    Szakcikk (Folyóiratcikk) | Tudományos[34170236] [Nyilvános]
    Független, Idéző: 34170236, Kapcsolat: 33301325
  52. Donia Manar M. et al. Impulsive Aggression Break, Based on Early Recognition Using Spatiotemporal Features. (2023) BIG DATA AND COGNITIVE COMPUTING 2504-2289 7 3 p. 150
    Szakcikk (Folyóiratcikk) | Tudományos[34146653] [Egyeztetett]
    Független, Idéző: 34146653, Kapcsolat: 33272458
  53. Sahithi Ambati et al. Enhancing Object Detection and Tracking from Surveillance Video Camera Using YOLOv8. (2023) Megjelent: 2023 International Conference on Recent Advances in Information Technology for Sustainable Development (ICRAIS) pp. 228-233
    Konferenciaközlemény (Könyvrészlet) | Tudományos[34472945] [Nyilvános]
    Független, Idéző: 34472945, Kapcsolat: 33807235
  54. Khan Mustaqeem et al. An Efficient Violence Detection Approach for Smart Cities Surveillance System. (2023) Megjelent: 2023 IEEE International Smart Cities Conference (ISC2) pp. 1-5
    Szaktanulmány (Könyvrészlet) | Tudományos[34279765] [Nyilvános]
    Független, Idéző: 34279765, Kapcsolat: 33456584
  55. Babiyola A. et al. A hybrid learning frame work for recognition abnormal events intended from surveillance videos. (2023) JOURNAL OF INTELLIGENT & FUZZY SYSTEMS 1064-1246 1875-8967 45 1 1089-1102
    Szakcikk (Folyóiratcikk) | Tudományos[34374555] [Nyilvános]
    Említések száma: 2
    Független, Idéző: 34374555, Kapcsolat: 33628422
  56. Shen Yu-Shian et al. Aggregated Spatio-temporal MLP-Mixer for Violence Recognition in Video Clips. (2023) Megjelent: 2023 Sixth International Symposium on Computer, Consumer and Control (IS3C) pp. 44-47
    Könyvfejezet (Könyvrészlet) | Tudományos[34110958] [Nyilvános]
    Független, Idéző: 34110958, Kapcsolat: 33234872
2025-06-16 01:42