115. Deep learning for individual pig identification: Evaluating depth image-based classification using ResNet50, Xception, VGG16, and DenseNet121
1Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- 115. Deep learning for individual pig identification: Evaluating depth image-based classification using ResNet50, Xception, VGG16, and DenseNet121
- Date Crossref
- 01/10/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of Nebraska–Lincoln pays non établi dans la noticeUniversité ou école supérieure
-
University of Nebraska System pays non établi dans la noticeUniversité ou école supérieure
-
Roman L. Hruska U.S. Meat Animal Research Center pays non établi dans la noticeStructure de recherche
-
University of Nebraska-Lincoln Biological System Engineering pays non établi dans la noticeUniversité ou école supérieure
University of Nebraska–Lincoln, University of Nebraska System et Roman L. Hruska U.S. Meat Animal Research Center, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Industrial Vision Systems and Defect DetectionFood Supply Chain Traceability