Increasing the Robustness of Deep Learning Models for Object Segmentation: A Framework for Blending Automatically Annotated Real and Synthetic Data

Károly, Artúr István [Károly, István Artúr (Deep learning / M...), szerző] Bejczy Antal iRobottechnikai Központ (ÓE / EKIK); Tirczka, Sebestyén; Gao, Huijun; Rudas, Imre J. [Rudas, Imre (Intelligens rends...), szerző] Bejczy Antal iRobottechnikai Központ (ÓE / EKIK); Galambos, Péter ✉ [Galambos, Péter (Robotika, Irányít...), szerző] Bejczy Antal iRobottechnikai Központ (ÓE / EKIK)

Angol nyelvű Szakcikk (Folyóiratcikk) Tudományos
Megjelent: IEEE TRANSACTIONS ON CYBERNETICS 2168-2267 2168-2275 54 (1) pp. 25-38 Paper: 10145828 2024
  • SJR Scopus - Computer Science Applications: D1
Azonosítók
Támogatások:
  • (2019-1.3.1-KK-2019-00007) Támogató: NKFIH
  • (UNKP-22-5)
  • (al 2019-1-3-1-KK-2019-00007 Innovációs szolgáltató bázis létrehozása diagnosztikai, terápiás és kutatási célú kiberorvosi rendszerek fejlesztésére pályáz)
  • Innovációs szolgáltató bázis létrehozása diagnosztikai, terápiás és kutatási célú kiberorvosi ren...(2019-1-3-1-KK-2019-00007) Támogató: NKFIH
Szakterületek:
  • Intelligens robotika, kibernetika
  • Számítógéprendszerek, párhuzamos és elosztott rendszerek, szenzorhálózatok, beágyazott rendszerek, Kiber-fizikai rendszerek
Hivatkozás stílusok: IEEEACMAPAChicagoHarvardCSLMásolásNyomtatás
2024-10-13 02:12