Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Long-Tailed Recognition Using Class-Balanced Experts and Diverse Ensembles

Sharma, S. (2020). Long-Tailed Recognition Using Class-Balanced Experts and Diverse Ensembles. Master Thesis, Universität des Saarlandes, Saarbrücken.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0007-B42A-F Versions-Permalink: https://hdl.handle.net/21.11116/0000-0007-B438-F
Genre: Hochschulschrift

Dateien

einblenden: Dateien
ausblenden: Dateien
:
Master Thesis Saurabh Sharma.pdf (beliebiger Volltext), 35MB
 
Datei-Permalink:
-
Name:
Master Thesis Saurabh Sharma.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Eingeschränkt (Max Planck Institute for Informatics, MSIN; )
MIME-Typ / Prüfsumme:
application/pdf
Technische Metadaten:
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Sharma, S.1, Autor           
Affiliations:
1Computer Vision and Machine Learning, MPI for Informatics, Max Planck Society, ou_1116547              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 20202020
 Publikationsstatus: Erschienen
 Seiten: 81 p.
 Ort, Verlag, Ausgabe: Saarbrücken : Universität des Saarlandes
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: SharmaMaster2020
 Art des Abschluß: Master

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle

einblenden: