Wykaz publikacji wybranego autora

Kazimierz Wiatr, prof. dr hab. inż.

profesor zwyczajny

Faculty of Computer Science, Electronics and Telecommunications
WIEiT-ke


  • 2023

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika, elektrotechnika i technologie kosmiczne (25%)


  • 2018

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika (25%)


[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / elektronika


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0001-5959-0277 orcid iD

ResearcherID: brak

Scopus: 24451501800

PBN: 5e70922c878c28a047391223

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
2
3
  • The choice of feature representation in small-scale MobileNet-based imbalanced image recognition / Michał KOZIARSKI, Bogusław CYGANEK, Kazimierz WIATR // W: VISIGRAPP 2020 [Dokument elektroniczny] : proceedings of the 15th international joint conference on Computer Vision, Imaging and Computer Graphics Theory and Applications. Vol. 4, VISAPP / eds. Giovanni Maria Farinella, Petia Radeva, Jose Braz. — Wersja do Windows. — Dane tekstowe. — [Lisbon] : SCITEPRESS - Science and Technology Publications, cop. 2020. — (VISIGRAPP ; ISSN 2184-5921). — e-ISBN: 978-989-758-402-2. — S. 633–638. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.scitepress.org/PublicationsDetail.aspx?ID=aYEWvtHtdgQ=&t=1 [2020-03-30]. — Bibliogr. s. 638, Abstr.. — Dostęp po zalogowaniu. — M. Koziarski - pierwsza afiliacja: AGH University of Science and Technology ; B. Cyganek, K. Wiatr - dod. afiliacja: Academic Computer Center Cyfronet AGH

    orcid iD
  • keywords: convolutional neural networks, MobileNet, feature representation, imbalanced data classification, small scale image recognition

    cyfrowy identyfikator dokumentu: 10.5220/0009357206330638