Risultati

Risultati trovati 2

Dati completi Dati sintetici

Clicca sul titolo per vedere i dati completi di ogni documento e la segnatura con la quale richiederlo.

Consultabilità delle tesi

Consultabile Consultabile
Non consultabile Non consultabile

Modalità di consultazione e contatti


Consultabile DALL'ASEN NICOLA, ANONYGAN: A POSE-PRESERVING GRAPH-BASED GENERATIVE FACE ANONYMISATION FRAMEWORK, Rel. RICCI ELISA, AA 2020/2021
Autore: DALL'ASEN NICOLA
Titolo: ANONYGAN: A POSE-PRESERVING GRAPH-BASED GENERATIVE FACE ANONYMISATION FRAMEWORK
Relatore: RICCI ELISA
Correlatore: WANG YIMING
Secondo Correlatore: TANG HAO
Anno accademico: 2020/2021
Corso: Corso di Laurea Magistrale - Data Science [0522H]
Struttura didattica: Dipartimento di Matematica
Formato: digitale
Segnatura: 0522H-22
Richiedi la consultazione
Consultabile MATTOLIN GIULIO, UNSUPERVISED DOMAIN ADAPTATION FOR OBJECT DETECTION VIA CONFIDENCE-BASED MIXING, Rel. RICCI ELISA, AA 2021/2022
Autore: MATTOLIN GIULIO
Titolo: UNSUPERVISED DOMAIN ADAPTATION FOR OBJECT DETECTION VIA CONFIDENCE-BASED MIXING
Relatore: RICCI ELISA
Correlatore: ZANELLA LUCA
Secondo Correlatore: WANG YIMING
Anno accademico: 2021/2022
Corso: Corso di Laurea Magistrale - Data Science [0522H]
Struttura didattica: Dipartimento di Matematica
Formato: digitale
Segnatura: 0522H-61
Richiedi la consultazione