Visual pattern discovery recognition von wang hongxing (3 Ergebnisse)

Autor
Titel

Optimieren Sie Ihre Suche

  • Bücher (3)

  • Neu (3)

bis

Benutzerdefinierte Preisspanne (EUR)

bis

    • Sprache: Englisch

      Verlag: Springer 2017

      9811048398 / 9789811048395

      Serie: SpringerBriefs in Computer Science, Buch 235 von 322. Buch 235 von 322 - SpringerBriefs in Computer Science

      • Softcover

      Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections

      Verkäufer/-in mit 5 Sternen
      Verkäufer/-in kontaktieren

      Zustand: Neu

      EUR 58,95

      EUR 13,90 Versand 
      Versand von Vereinigtes Königreich nach USA

      Anzahl: Mehr als 20 verfügbar

      Zustand: New. In.

    • Sprache: Englisch

      Verlag: Springer-Verlag New York Inc 2017

      9811048398 / 9789811048395

      Serie: SpringerBriefs in Computer Science, Buch 235 von 322. Buch 235 von 322 - SpringerBriefs in Computer Science

      • Softcover

      Anbieter: Revaluation Books, Exeter, , Vereinigtes KönigreichRevaluation Books

      Verkäufer/-in mit 5 Sternen
      Verkäufer/-in kontaktieren

      Zustand: Neu

      EUR 76,68

      EUR 11,60 Versand 
      Versand von Vereinigtes Königreich nach USA

      Anzahl: 2 verfügbar

      Paperback. Zustand: Brand New. 87 pages. 9.25x6.25x0.25 inches. In Stock.

    • Sprache: Englisch

      Verlag: Springer Nature Singapore 2017

      9811048398 / 9789811048395

      Serie: SpringerBriefs in Computer Science, Buch 235 von 322. Buch 235 von 322 - SpringerBriefs in Computer Science

      • Softcover

      Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH

      Verkäufer/-in mit 5 Sternen
      Verkäufer/-in kontaktieren

      Zustand: Neu

      EUR 58,39

      EUR 60,90 Versand 
      Versand von Deutschland nach USA

      Anzahl: 2 verfügbar

      Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - This book presents a systematic study of visual pattern discovery, from unsupervised to semi-supervised manner approaches, and from dealing with a single feature to multiple types of features. Furthermore, it discusses the potential applications of d