doktorski rad
Data Efficient Deep Learning Models for Biomedical Image Segmentation

Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za vizualno računarstvo

Citirajte ovaj rad

Benčević, M. (2024). Data Efficient Deep Learning Models for Biomedical Image Segmentation (Doktorski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:623354

Benčević, Marin. "Data Efficient Deep Learning Models for Biomedical Image Segmentation." Doktorski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:623354

Benčević, Marin. "Data Efficient Deep Learning Models for Biomedical Image Segmentation." Doktorski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:623354

Benčević, M. (2024). 'Data Efficient Deep Learning Models for Biomedical Image Segmentation', Doktorski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 05.10.2024., https://urn.nsk.hr/urn:nbn:hr:200:623354

Benčević M. Data Efficient Deep Learning Models for Biomedical Image Segmentation [Doktorski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 05.10.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:623354

M. Benčević, "Data Efficient Deep Learning Models for Biomedical Image Segmentation", Doktorski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:623354

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.