RyNet: Multi-Level Attention for Rich and Complementary Feature Representation in CNNs
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).
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}
}
EUVIMED