Video Coding for Machines: Large-Scale Evaluation of Deep Neural Networks Robustness to Compression Artifacts for Semantic Segmentation - Orasis 2023
Communication Dans Un Congrès Année : 2023

Video Coding for Machines: Large-Scale Evaluation of Deep Neural Networks Robustness to Compression Artifacts for Semantic Segmentation

Résumé

Video Coding for Machines: Large-Scale Evaluation of Deep Neural Networks Robustness to Compression Artifacts for Semantic Segmentation

Domaines

Informatique [cs]
Fichier principal
Vignette du fichier
ORASIS23.pdf (7.03 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

CCSD Sciencesconf.org  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-04219574

Soumis le : mercredi 27 septembre 2023-10:56:19

Dernière modification le : jeudi 1 février 2024-10:45:31

Archivage à long terme le : jeudi 28 décembre 2023-18:47:32

Télécharger pour visualiser

Dates et versions

hal-04219574 , version 1 (27-09-2023)

Identifiants

  • HAL Id : hal-04219574 , version 1

Citer

Alban Marie, Karol Desnos, Luce Morin, Lu Zhang. Video Coding for Machines: Large-Scale Evaluation of Deep Neural Networks Robustness to Compression Artifacts for Semantic Segmentation. ORASIS 2023, Laboratoire LIS, UMR 7020, May 2023, Carqueiranne, France. ⟨hal-04219574⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-RENNES1 CNRS INSA-RENNES IETR CENTRALESUPELEC UR1-MATH-STIC UR1-UFR-ISTIC IETR-VAADER UNIV-RENNES INSA-GROUPE UR1-MATH-NUM NANTES-UNIVERSITE ORASIS2023
76 Consultations
46 Téléchargements

Partager

More