← Zurück zum KI-EvidenznetzDauerhaftes öffentliches EvidenzdossierPRO
KL-IND · A small and robust approach to 3D machine vision
cordis:815452A small and robust approach to 3D machine vision
Identität reicht nur so weit wie die veröffentlichte stabile Kennung oder ausdrückliche Zuordnung. Ähnliche Namen werden nicht zusammengeführt. Fehlende Verbindungen bedeuten: in den begrenzten Quellen nicht beobachtet – nicht in Wirklichkeit abwesend.
Identität ≠ Namensähnlichkeit · Kante ≠ KausalitätJede direkte Verbindung mit ihrem Beleg
Beziehungsbezeichnung und Evidenzklasse beschreiben die gesamte Aussage. Prüf den Quellbeleg, bevor du eine weitergehende Schlussfolgerung ziehst.
claim:funding:815452:913900051Beziehungparticipates_in
→AkteurK LENS GMBH
cordis_project_code_and_participant_pic
Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗Felder, die an dieser Identität bleiben
Attribute sind beschreibende Quellfelder. Sie erzeugen keine datensatzübergreifende Identität, solange eine Kante diesen Join nicht ausdrücklich ausweist.
- Acronym
- KL-IND
- Code
- 815452
- End Date
- 2018-11-30
- Framework Programme
- H2020
- Funding
- Currency: EUR · German Net Eu Contribution Cents: 5000000 · Participant Edge Count: 1 · Status: linked
- Knowledge Flow
- Citing Country Count: 0 · Citing Institution Count: 0 · Distinct Citing Work Count: 0 · Observed Citation Edge Count: 0 · Status: bounded_observation
- Research
- Citation Data Output Count: 0 · Cited Output Count: 0 · Open Access Output Count: 0 · Output Count: 0 · Status: linked · Total Citations: 0
- Start Date
- 2018-06-01
Prüf die Quellstände
Ein Quellstand beschreibt, was zum Abrufzeitpunkt verfügbar war. Korrekturen und spätere Veröffentlichungen können künftige Beobachtungen verändern.
german-ai-innovation-pathcordis:815452 · cordis_project_id
↗Originalquelle öffnengerman-ai-innovation-pathcordis:815452:participant:913900051 · cordis_project_code_and_participant_pic
↗Originalquelle öffnenZurück ins vollständige Evidenznetz
Durchsuch alle veröffentlichten Entitäten, prüf Ein-Hop-Nachbarschaften und finde die Brücken, die öffentliche Daten noch nicht tragen.