Buchumschlag

Atmospheric Noise-Resilient Image Classification in a Real-World Scenario: Using Hybrid CNN and Pin-GTSVM

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mehendale, Shlok, Sahoo, Jajati Keshari, Roul, Rajendra Kumar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Matching High-Dimensional Geometric Quantiles for Test-Time Adaptation of Transformers and Convolutional Networks Alike
von: Danda, Sravan, et al.
Veröffentlicht: (2026)

Skin Cancer Classification: Hybrid CNN-Transformer Models with KAN-Based Fusion
von: Agarwal, Shubhi, et al.
Veröffentlicht: (2025)

Single Image Defogging Using a Fourth-Order Telegraph PDE Guided by Physical Haze Modeling
von: Kumar, Manish, et al.
Veröffentlicht: (2026)

Attention-based Pin Site Image Classification in Orthopaedic Patients with External Fixators
von: Wang, Yubo, et al.
Veröffentlicht: (2026)

MFFI: Multi-Dimensional Face Forgery Image Dataset for Real-World Scenarios
von: Miao, Changtao, et al.
Veröffentlicht: (2025)

Classification of Tents in Street Bazaars Using CNN
von: Ibragimov, Azamat, et al.
Veröffentlicht: (2025)

Hybrid CNN-BYOL Approach for Fault Detection in Induction Motors Using Thermal Images
von: Smrity, Tangin Amir, et al.
Veröffentlicht: (2025)

MRD-LiNet: A Novel Lightweight Hybrid CNN with Gradient-Guided Unlearning for Improved Drought Stress Identification
von: Patra, Aswini Kumar, et al.
Veröffentlicht: (2025)

New Fourth-Order Grayscale Indicator-Based Telegraph Diffusion Model for Image Despeckling
von: Ray, Rajendra K., et al.
Veröffentlicht: (2025)

Zero-Shot Head Swapping in Real-World Scenarios
von: Kang, Taewoong, et al.
Veröffentlicht: (2025)

Remote Photoplethysmography in Real-World and Extreme Lighting Scenarios
von: Shao, Hang, et al.
Veröffentlicht: (2025)

Hybrid CNN Bi-LSTM neural network for Hyperspectral image classification
von: Sahoo, Alok Ranjan, et al.
Veröffentlicht: (2024)

Contrastive-Based Deep Embeddings for Label Noise-Resilient Histopathology Image Classification
von: Dedieu, Lucas, et al.
Veröffentlicht: (2024)

Remote Sensing Image Classification Using Convolutional Neural Network (CNN) and Transfer Learning Techniques
von: Zaid, Mustafa Majeed Abd, et al.
Veröffentlicht: (2025)

Comparative Study of Weighted and Coupled Second- and Fourth-Order PDEs for Image Despeckling in Grayscale, Color, SAR, and Ultrasound
von: Kumar, Manish, et al.
Veröffentlicht: (2026)

Online Class-Incremental Learning For Real-World Food Image Classification
von: Raghavan, Siddeshwar, et al.
Veröffentlicht: (2023)

Boosting Diffusion-Based Text Image Super-Resolution Model Towards Generalized Real-World Scenarios
von: Pan, Chenglu, et al.
Veröffentlicht: (2025)

A Hybrid CNN and ML Framework for Multi-modal Classification of Movement Disorders Using MRI and Brain Structural Features
von: Li, Mengyu, et al.
Veröffentlicht: (2026)

From Ideal to Real: Unified and Data-Efficient Dense Prediction for Real-World Scenarios
von: Xia, Changliang, et al.
Veröffentlicht: (2025)

From Controlled Scenarios to Real-World: Cross-Domain Degradation Pattern Matching for All-in-One Image Restoration
von: Fan, Junyu, et al.
Veröffentlicht: (2025)

MME-RealWorld: Could Your Multimodal LLM Challenge High-Resolution Real-World Scenarios that are Difficult for Humans?
von: Zhang, Yi-Fan, et al.
Veröffentlicht: (2024)

Learning Object-Centric Representations Based on Slots in Real World Scenarios
von: Akan, Adil Kaan
Veröffentlicht: (2025)

Your Super Resolution Model is not Enough for Tackling Real-World Scenarios
von: Yoon, Dongsik, et al.
Veröffentlicht: (2025)

Dynamic Context-Aware Scene Reasoning Using Vision-Language Alignment in Zero-Shot Real-World Scenarios
von: Rajiv, Manjunath Prasad Holenarasipura, et al.
Veröffentlicht: (2025)

MambaOutRS: A Hybrid CNN-Fourier Architecture for Remote Sensing Image Classification
von: Cheon, Minjong, et al.
Veröffentlicht: (2025)

Benchmarking Real-World Medical Image Classification with Noisy Labels: Challenges, Practice, and Outlook
von: Ma, Yuan, et al.
Veröffentlicht: (2025)

Real Noise Decoupling for Hyperspectral Image Denoising
von: Zhang, Yingkai, et al.
Veröffentlicht: (2025)

Supervised Multilabel Image Classification Using Residual Networks with Probabilistic Reasoning
von: Singh, Lokender, et al.
Veröffentlicht: (2025)

Beyond Occlusion: In Search for Near Real-Time Explainability of CNN-Based Prostate Cancer Classification
von: Krebs, Martin, et al.
Veröffentlicht: (2025)

A Multilevel Strategy to Improve People Tracking in a Real-World Scenario
von: de Oliveira, Cristiano B., et al.
Veröffentlicht: (2024)

DVD: A Comprehensive Dataset for Advancing Violence Detection in Real-World Scenarios
von: Kollias, Dimitrios, et al.
Veröffentlicht: (2025)

A Hybrid Random Forest and CNN Framework for Tile-Wise Oil-Water Classification in Hyperspectral Images
von: Nickzamir, Mehdi, et al.
Veröffentlicht: (2025)

MSLAU-Net: A Hybrid CNN-Transformer Network for Medical Image Segmentation
von: Lan, Libin, et al.
Veröffentlicht: (2025)

BEFUnet: A Hybrid CNN-Transformer Architecture for Precise Medical Image Segmentation
von: Manzari, Omid Nejati, et al.
Veröffentlicht: (2024)

Ocular Disease Classification Using CNN with Deep Convolutional Generative Adversarial Network
von: Kunwar, Arun, et al.
Veröffentlicht: (2025)

Noise Adaption Network for Morse Code Image Classification
von: Wang, Xiaxia, et al.
Veröffentlicht: (2024)

TakuNet: an Energy-Efficient CNN for Real-Time Inference on Embedded UAV systems in Emergency Response Scenarios
von: Rossi, Daniel, et al.
Veröffentlicht: (2025)

Knowledge Augmentation via Synthetic Data: A Framework for Real-World ECG Image Classification
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2025)

BoxMAC -- A Boxing Dataset for Multi-label Action Classification
von: Sahoo, Shashikanta
Veröffentlicht: (2024)

A Synergistic CNN-Transformer Network with Pooling Attention Fusion for Hyperspectral Image Classification
von: Chen, Peng, et al.
Veröffentlicht: (2026)