EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

RyNet: Multi-Level Attention for Rich and Complementary Feature Representation in CNNs

Anouar Chahbouni, Imane El Manaa, Khaoula El Manaa, Yassine Abouch, Badre Bossoufi, Mohammed El Ghzaoui, Rachid El Alami

IEEE Access · 2026 · 14 · 5358-5373

DOI: 10.1109/access.2025.3648301 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2026. Verfasst von Anouar Chahbouni und 6 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref) und nennt 34 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Chahbouni, A., Manaa, I. E., Manaa, K. E., Abouch, Y., Bossoufi, B., Ghzaoui, M. E., & Alami, R. E. (2026). RyNet: Multi-Level Attention for Rich and Complementary Feature Representation in CNNs. IEEE Access, 14, 5358-5373. https://doi.org/10.1109/access.2025.3648301

Vancouver

Chahbouni A, Manaa IE, Manaa KE, Abouch Y, Bossoufi B, Ghzaoui ME, et al. RyNet: Multi-Level Attention for Rich and Complementary Feature Representation in CNNs. IEEE Access. 2026;14:5358-5373. doi:10.1109/access.2025.3648301

BibTeX
@article{Chahbouni2026,
  author = {Chahbouni, Anouar and Manaa, Imane El and Manaa, Khaoula El and Abouch, Yassine and Bossoufi, Badre and Ghzaoui, Mohammed El and Alami, Rachid El},
  title = {RyNet: Multi-Level Attention for Rich and Complementary Feature Representation in CNNs},
  journal = {IEEE Access},
  year = {2026},
  volume = {14},
  pages = {5358--5373},
  doi = {10.1109/access.2025.3648301}
}
Kostenlos starten →