Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Data Augmentation, Labelling, and Imperfections
  • Produktbild: Data Augmentation, Labelling, and Imperfections
Band 13567

Data Augmentation, Labelling, and Imperfections Second MICCAI Workshop, DALI 2022, Held in Conjunction with MICCAI 2022, Singapore, September 22, 2022, Proceedings

Aus der Reihe Lecture Notes in Computer Science

Fr. 79.90

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

22.09.2022

Abbildungen

X, 124 p. 45 illus., 43 illus. in color.

Herausgeber

Hien V. Nguyen + weitere

Verlag

Springer

Seitenzahl

124

Maße (L/B/H)

23.5/15.5/0.8 cm

Gewicht

219 g

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-3-031-17026-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

22.09.2022

Abbildungen

X, 124 p. 45 illus., 43 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

124

Maße (L/B/H)

23.5/15.5/0.8 cm

Gewicht

219 g

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-3-031-17026-3

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Data Augmentation, Labelling, and Imperfections
  • Produktbild: Data Augmentation, Labelling, and Imperfections
  • Image Synthesis-based Late Stage Cancer Augmentation and Semi-Supervised Segmentation for MRI Rectal Cancer Staging.- DeepEdit: Deep Editable Learning for Interactive Segmentation of 3D Medical Images.- Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New Benchmark Study.- Lesser of Two Evils Improves Learning in the Context of Cortical Thickness Estimation Models - Choose Wisely.- TAAL: Test-time Augmentation for Active Learning in Medical Image Segmentation.- Disentangling A Single MR Modality.- CTooth+: A Large-scale Dental Cone Beam Computed Tomography Dataset and Benchmark for Tooth Volume Segmentation.- Noisy Label Classification using Label Noise Selection with Test-Time Augmentation Cross-Entropy and NoiseMix Learning.- CSGAN: Synthesis-Aided Brain MRI Segmentation on 6-Month Infants.- A Stratified Cascaded Approach for Brain Tumor Segmentation with the Aid of Multi-modal Synthetic Data.- Efficient Medical Image Assessment via Self-supervised Learning.- Few-ShotLearning Geometric Ensemble for Multi-label Classification of Chest X-rays.