Wykaz publikacji wybranego autora

Michał Machura, mgr inż.

doktorant

Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
WEAIiIB-kair, Katedra Automatyki i Robotyki


  • 2022

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika, elektrotechnika i technologie kosmiczne


  • 2021

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika


Identyfikatory Autora

ORCID: 0000-0002-2514-0881 orcid iD

ResearcherID: brak

Scopus: brak



Statystyka obejmuje publikacje afiliowane AGH od 2008 roku włącznie

typ publikacji
rocznikl. publ.książkifragm.referatyartykułypatentymapyred. czas.inne
ogółem3111
20223111
język publikacji
rocznikrazempolskojęzyczneanglojęzycznepozostałe języki
ogółem312
2022312
kraj wydania
rocznikrazempubl. krajowepubl. zagraniczne
ogółem321
2022321
Lista Filadelfijska
rocznikrazempubl. z LFpubl. pozostałe
ogółem312
2022312
punktacja MNiSW
rocznikrazempubl. z pkt. MNiSWpubl. pozostałe
ogółem33
202233
publikacje recenzowane
rocznikrazempubl. recenzowanepubl. nierecenzowane
ogółem33
202233



1
  • Accelerated training of object detection DNNs for embedded vision systems / Michał MACHURA, Piotr WZOREK, Tomasz KRYJAK, Marek GORGOŃ // W: KU KDM 2022 : fourteenth ACC Cyfronet AGH HPC users' conference : online, 7-8 April 2022 : proceedings / eds. Kazimierz Wiatr, Jacek Kitowski, Marian Bubak. — Kraków : Academic Computer Centre Cyfronet AGH, 2022. — ISBN: 978-83-61433-40-8. — S. 55–56. — Bibliogr. s. 56

    orcid iD
  • keywords: hardware acceleration, computer vision, object detection, embedded vision, deep neural networks

    cyfrowy identyfikator dokumentu:

2
  • Embedded object detection with custom LittleNet, FINN and vitis AI DCNN accelerators / Michał MACHURA, Michał DANIŁOWICZ, Tomasz KRYJAK // Journal of Low Power Electronics and Applications [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2079-9268. — 2022 vol. 12 iss. 2 art. no. 30, s. 1–35. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 33–35, Abstr.. — Publikacja dostępna online od: 2022-05-20. — tekst: https://www.mdpi.com/2079-9268/12/2/30/pdf?version=1653039624

    orcid iD
  • keywords: AI, FPGA, object detection, hardware accelerator, DCNN, FINN, vitis AI, GCIoU

    cyfrowy identyfikator dokumentu: 10.3390/jlpea12020030

3