MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Journal of Computational Vision and Imaging Systems
Sujet
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

116 résultats · 1 filtre actif ·
Résultats par année
20152021
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
116 travaux dans la cohorte · sur 4 299 418page 1 sur 3

Les étiquettes couvrent 0 des 116 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 116 des 116 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

fundvenueno affnon étiqueté
Non-invasive Glucose Monitoring at mm-Wave Frequencies
Ala Eldin Omer, George Shaker, Safieddin Safavi‐Naeini
2018· article· en· Journal of Computational Vision and Imaging Systems· Biochemistry, Genetics and Molecular Biology
prédiction distillée:candidate · aucuneconsensus · aucune
7
citations
affvenuenon étiqueté
Scaled Monocular Visual SLAM
Georges Younes, Daniel Asmar, John Zelek, David Abou Chacra, Henry A. Leopold, Jeremy Pinto +1 autres
2016· article· en· Journal of Computational Vision and Imaging Systems· Engineering
prédiction distillée:candidate · aucuneconsensus · aucune
7
citations
affvenuenon étiqueté
Challenges of Deep Learning-based Text Detection in the Wild
Zobeir Raisi, Mohamed A. Naiel, Paul Fieguth, Steven Wardell, John Zelek
2021· article· en· Journal of Computational Vision and Imaging Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
4
citations
afffundvenuenon étiqueté
Time-Series Causality with Missing Data
Bo Chang, Mohamed A. Naiel, Steven Wardell, Stan Kleinikkink, John Zelek
2021· article· en· Journal of Computational Vision and Imaging Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
3
citations
afffundvenuenon étiqueté
Deep Residual Transform for Multi-scale Image Decomposition
Yuhao Chen, Alexander Wong, Yuan Fang, Yifan Wu, Linlin Xu
2021· article· en· Journal of Computational Vision and Imaging Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
3
citations
venueno affnon étiqueté
Frame Augmentation for Imbalanced Object Detection Datasets
Nada Hesham Kamaledin Elasal, David M. Swart, Nicholas Miller
2018· article· en· Journal of Computational Vision and Imaging Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
3
citations
afffundvenuenon étiqueté
Real-time Quantitative Visual Inspection using Extended Reality
Zaid Abbas Al‐Sabbag, Jason Paul Connelly, Chul Min Yeum, Sriram Narasimhan
2021· article· en· Journal of Computational Vision and Imaging Systems· Engineering
prédiction distillée:candidate · aucuneconsensus · aucune
3
citations
venueno affnon étiqueté
Text Enhancement in Projected Imagery
Xiaodan Hu, Mohamed A. Naiel, Zohreh Azimifar, Ibrahim Ben Daya, Mark Lamm, Paul Fieguth
2018· article· en· Journal of Computational Vision and Imaging Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations
venueno affnon étiqueté
Understanding BatchNorm in Ternary Training
Eyyüb Sari, Vahid Partovi Nia
2019· article· en· Journal of Computational Vision and Imaging Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations
venueno affnon étiqueté
Deep Learning Inference Frameworks for ARM CPU
Vanessa Courville, Vahid Partovi Nia
2019· article· en· Journal of Computational Vision and Imaging Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations
affvenuenon étiqueté
Automated Failure Detection in Computer Vision Systems
Haoxin Yan, Andrew Achkar, Akshaya Mishra, K. Jairam Naik
2016· article· en· Journal of Computational Vision and Imaging Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations
afffundvenuenon étiqueté
Impact of Training Images on Radiometric Compensation
Vignesh Sankar, Ahmed Gawish, Paul Fieguth
2017· article· en· Journal of Computational Vision and Imaging Systems· Earth and Planetary Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations

En coulisses: Sélection · Constats · À propos