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
Sujet
Video Surveillance and Tracking Methods
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.

962 résultats · 1 filtre actif ·
Résultats par année
20002025
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.
962 travaux dans la cohorte · sur 4 299 418page 6 sur 20

Les étiquettes couvrent 1 des 962 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 962 des 962 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Catching a Rat by Its Edglets
Ra’fat I. Farah, J. M. Pierre Langlois, Guillaume-Alexandre Bilodeau
2012· article· en· IEEE Transactions on Image Processing· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affnon étiqueté
Public video data set for road transportation applications
Nicolas Saunier, Håkan Ardö, Jean-Philippe Jodoin, Aliaksei Laureshyn, Mikael Nilsson, Åse Svensson +3 autres
2014· article· en· PolyPublie (École Polytechnique de Montréal)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affnon étiqueté
3D Town: The Automatic Urban Awareness Project
Eduardo R. Corral-Soto, Ron Tal, Langyue Wang, Ravi Ancil Persad, Chao Luo, Chan Solomon +3 autres
2012· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affnon étiqueté
An IoT Based Traffic Management System Using Drone and AI
Arash Farahdel, Seyed Shahim Vedaei, Khan A. Wahid
2022· article· en· 2022 14th International Conference on Computational Intelligence and Communication Networks (CICN)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affsans résuménon étiqueté
Object tracking based on Huber loss function
Yong Wang, Shiqiang Hu, Shandong Wu
2018· article· en· The Visual Computer· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
afffundnon étiqueté
Deep Variation Transformation Network for Foreground Detection
Yongxin Ge, Junyin Zhang, Xinyu Ren, Chenqiu Zhao, Juan Yang, Anup Basu
2020· article· en· IEEE Transactions on Circuits and Systems for Video Technology· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
14
citations
fundno affnon étiqueté
Few-Shot Scene Adaptive Crowd Counting Using Meta-Learning
Mahesh Kumar Krishna Reddy, Mohammad Asiful Hossain, Mrigank Rochan, Yang Wang
2020· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
afffundnon étiqueté
Exploiting prunability for person re-identification
Hugo Masson, Amran Bhuiyan, Le Thanh Nguyen-Meidine, Mehrsan Javan, Parthipan Siva, Ismail Ben Ayed +1 autres
2021· article· en· EURASIP Journal on Image and Video Processing· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affsans résuménon étiqueté
Negotiating Privacy Preferences in Video Surveillance Systems
Mukhtaj S. Barhm, Nidal Qwasmi, Faisal Z. Qureshi, Khalil El‐Khatib
2011· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
affsans résuménon étiqueté
Robust visual tracking via a hybrid correlation filter
Yong Wang, Xinbin Luo, Lu Ding, Jingjing Wu, Shan Fu
2019· article· en· Multimedia Tools and Applications· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
12
citations

En coulisses: Sélection · Constats · À propos