Анализ сайта https://gertjanburghouts.github.io/
Основное Готовность: 100%
Домен
gertjanburghouts.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 09.01.2027 2:59:59.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,39сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,39сек оптимальна.
Объем документа
113Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 113Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 1
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 1 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | /assets/main.css |
Серверные заголовки
Кол-во: 18
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "6a85592b-1c5f5" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 15DC:E2628:2A430E7:2A9DBEB:6A8A0585 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 20:24:37 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230105-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787430278.661427,VS0,VE117 |
| Vary | Accept-Encoding |
| x-fastly-request-id | cd9194bb4d8c18564acfcac08ec3474caf794f4b |
CMS
Jekyll v3.10.0
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
В мета-теге generator указано: Jekyll v3.10.0.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 38%
Title
Deep Learning for Vision | Deep Learning research, applied to robotics and image/video understanding, with a focus on learning with few labels and leveraging prior knowledge.
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Устраните дубли в title: deep(2), learning(3), with(2)
Необходимо уменьшить число символов в title (текущее значение: 174, оптимально: от 40 до 45)
Description
Deep Learning research, applied to robotics and image/video understanding, with a focus on learning with few labels and leveraging prior knowledge.
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо уменьшить число символов в description (текущее значение: 147, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
https://gertjanburghouts.github.io/
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Канонический Url прописан корректно.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Кол-во: 6
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:title | Deep Learning for Vision |
| og:locale | en_US |
| og:description | Deep Learning research, applied to robotics and image/video understanding, with a focus on learning with few labels and leveraging prior knowledge. |
| og:url | https://gertjanburghouts.github.io/ |
| og:site_name | Deep Learning for Vision |
| og:type | website |
Все мета-теги
Кол-во: 11
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 11шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width, initial-scale=1 |
| name | generator | Jekyll v3.10.0 |
| name | description | Deep Learning research, applied to robotics and image/video understanding, with a focus on learning with few labels and leveraging prior knowledge. |
| name | twitter:card | summary |
| property | og:title | Deep Learning for Vision |
| property | og:locale | en_US |
| property | og:description | Deep Learning research, applied to robotics and image/video understanding, with a focus on learning with few labels and leveraging prior knowledge. |
| property | og:url | https://gertjanburghouts.github.io/ |
| property | og:site_name | Deep Learning for Vision |
| property | og:type | website |
| property | twitter:title | Deep Learning for Vision |
Оптимизация Готовность: 62%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Ошибок нет
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 20 встречаются в тексте достаточно.
Абзацев с текстом 434 достаточно.
Среднее число слов в абзаце 26 достаточно.
Кол-во знаков контента 77091 на странице оптимально.
Кол-во слов 12262 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h2> 2. Это хорошо.
На странице присутствуют заголовки <h3> 100.
Тошнота
9,75
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
28,36%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| objects | 95 | 0,77% |
| learning | 78 | 0,64% |
| images | 73 | 0,60% |
| models | 57 | 0,46% |
| object | 41 | 0,33% |
| knowledge | 31 | 0,25% |
| method | 31 | 0,25% |
| visual | 29 | 0,24% |
| accepted | 28 | 0,23% |
| labels | 28 | 0,23% |
| classes | 27 | 0,22% |
| different | 26 | 0,21% |
| uncertainty | 26 | 0,21% |
| research | 24 | 0,20% |
| language | 23 | 0,19% |
| vision | 22 | 0,18% |
| attention | 22 | 0,18% |
| instance | 22 | 0,18% |
| because | 20 | 0,16% |
| robots | 19 | 0,15% |
Индексация Готовность: 0%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 121 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Не найден
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 107
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 107 оптимально.
Показать первые 100 внутренних ссылок
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Deep Learning for Vision
|
|
Анализировать url |
| /about/ |
Personal
|
|
Анализировать url |
| /publications/ |
Publications
|
|
Анализировать url |
| /research/ |
Research
|
|
Анализировать url |
| /videos/ |
Videos
|
|
Анализировать url |
| /occlusion/camouflage/partial/visibility/2026/04/08/traversability.html |
Teaching Robots Where to Go: One World, Many Bodies
|
|
Анализировать url |
| /occlusion/camouflage/partial/visibility/2026/04/08/oasic.html |
When Objects Are Partially Visible: A Smarter Approach to Recognition
|
|
Анализировать url |
| /language/vision/models/alignment/clip/2026/01/26/iclr.html |
Fantastic Tractor Dogs and how *not* to find them
|
|
Анализировать url |
| /language/vision/models/alignment/clip/2026/01/09/sharelock-tmlr.html |
When Language Models Start to See
|
|
Анализировать url |
| /relational/reasoning/neurosymbolic/ai/foundation/models/2025/12/09/rune.html |
Seeing the Bigger Picture: How Logic Helps AI Understand Scenes
|
|
Анализировать url |
| /self-supervised/learning/transformer/patches/foundation/models/2025/08/19/neco-citation.html |
DINO v3 builds on our work!
|
|
Анализировать url |
| /foundation/models/university/lecture/2025/06/13/FoMo-course.html |
Lecture on Foundation Models
|
|
Анализировать url |
| /prompt/tuning/foundation/models/clip/learning/2025/05/13/best-paper.html |
Best Paper Award about Dynamic Prompting
|
|
Анализировать url |
| /self-supervised/learning/transformer/patches/ordering/consistency/2025/01/22/neco.html |
Improving DINO v2's Scene Understanding
|
|
Анализировать url |
| /cameras/multiple/views/matching/self-supervision/2024/12/12/cycle-consistency.html |
Cycle Consistency for Multi-Camera Matching
|
|
Анализировать url |
| /prompt/tuning/clip/2024/12/10/adaptive-prompts.html |
Adaptive Prompt Tuning
|
|
Анализировать url |
| /foundation/models/adaptation/robustness/2024/11/29/find.html |
FIND: Foundation Models for Industry
|
|
Анализировать url |
| /object/detection/camouflage/2024/11/13/camouflage.html |
Camouflaged Objects
|
|
Анализировать url |
| /robot/action/planning/uncertainty/active/inference/2024/11/04/jaamas.html |
Robot Action Planning by Active Inference
|
|
Анализировать url |
| /reasoning/neurosymbolic/foundation/models/agents/planning/2024/10/30/royal-society.html |
Signals vs. Symbols at Royal Society
|
|
Анализировать url |
| /affordance/inference/incremental/learning/markov/logic/network/2024/10/27/irc-mln-incr.html |
Incrementally Learning the Affordances of New Objects
|
|
Анализировать url |
| /2024/10/11/language-models-vision.html |
Better LLMs have a better understanding of the Visual World
|
|
Анализировать url |
| /robot/learning/2024/10/08/robot-learn.html |
Robot Learns on the Job
|
|
Анализировать url |
| /robotics/open/world/perception/reasoning/2024/09/04/openbots-kickoff.html |
OpenBots kicked off
|
|
Анализировать url |
| /semantic/segmentation/transformer/patches/2024/08/21/guided-sam.html |
Guiding Segment-Anything Model (SAM)
|
|
Анализировать url |
| /catastrophic/forgetting/2024/08/19/no-forgetting.html |
Learning Objects without Forgetting
|
|
Анализировать url |
| /large/multimodal/models/reasoning/environments/robotics/2024/07/15/rss-scaling-3d.html |
Scaling 3D Reasoning
|
|
Анализировать url |
| /inductive/logic/programming/neurosymbolic/artificial/intelligence/2024/07/08/propper.html |
Probabilistic Logical Programming
|
|
Анализировать url |
| /affordance/reasoning/large/language/model/open/world/2024/06/25/rss.html |
Reasoning about Affordances
|
|
Анализировать url |
| /uncertainty/quantification/robotic/navigation/2024/05/09/icra.html |
Uncertainty Quantification for Robotic Navigation
|
|
Анализировать url |
| /affordance/detection/vision/language/model/2024/04/26/icprai-affordances.html |
Efficient Correction of Vision-Language Models
|
|
Анализировать url |
| /image/classification/zero/shot/prior/knowledge/2024/04/04/icprai-vlm-knowledge.html |
Affordance Perception
|
|
Анализировать url |
| /inductive/logic/programming/reasoning/2024/03/09/ILP.html |
Inductive Logic Programming
|
|
Анализировать url |
| /conference/2024/02/28/visapp.html |
Presenting zero- and few-shot learning at VISAPP, Rome
|
|
Анализировать url |
| /conference/2024/01/16/llms-cv.html |
LLMs for Computer Vision
|
|
Анализировать url |
| /conference/2023/12/18/neurips-23.html |
Our team at NeurIPS 2023
|
|
Анализировать url |
| /image/classification/zero/shot/prior/knowledge/2023/12/08/visapp.html |
Creating and Updating Classifiers from Prior Knowledge
|
|
Анализировать url |
| /diffusion/models/object/detection/2023/10/28/neurips-diffusion.html |
Efficient Transfer for Objects using Diffusion
|
|
Анализировать url |
| /transfer/learning/2023/10/26/ieee-irc.html |
IEEE Robotic Computing
|
|
Анализировать url |
| /transfer/learning/2023/10/13/icip.html |
Label Selection and Pseudo-Labels
|
|
Анализировать url |
| /affordances/reasoning/2023/09/25/handle-clustering.html |
How to Open the Door?
|
|
Анализировать url |
| /diffusion/model/object/detection/2023/09/25/diffuse-more-objects.html |
Diffusing More Objects
|
|
Анализировать url |
| /neural/network/graph/2023/09/18/NNs-are-graphs.html |
Neural Networks are Graphs
|
|
Анализировать url |
| /aerial/images/image/segmentation/2023/09/12/aerial-segmentation.html |
Aerial Image Segmentation
|
|
Анализировать url |
| /zero/shot/semantic/transfer/2023/09/04/semantic-transfer.html |
Transferring Knowledge to New Classes
|
|
Анализировать url |
| /object/discovery/slot/attention/optimal/transport/2023/08/28/icml.html |
ICML
|
|
Анализировать url |
| /open/world/robotics/domain/adaptation/2023/07/03/openbots.html |
OpenBots
|
|
Анализировать url |
| /neuro-symbolic/ai/2023/06/20/neurosymbolic.html |
Neuro-Symbolic Programming
|
|
Анализировать url |
| /language/vision/zero/shot/glip/2023/05/07/icra2023.html |
Improved Localization of Objects in Context
|
|
Анализировать url |
| /slot/attention/object/centric/modelling/2023/04/25/icml2023.html |
Slot Attention with Tiebreaking
|
|
Анализировать url |
| /diffusion/models/image/generation/self/supervised/no/labels/2023/04/03/cvpr2023.html |
Diffusion Models without Labels
|
|
Анализировать url |
| /situation/understanding/spatial/relations/objects/2023/03/27/scallop.html |
Understanding Situations by Spatial Relations
|
|
Анализировать url |
| /diffusion/models/image/generation/self/supervised/2023/02/28/cvpr-2023.html |
Self-Guided Diffusion Models @ CVPR 2023
|
|
Анализировать url |
| /embodied/artificial/intelligence/domain/gaps/simulator/2023/02/03/embodied-ai.html |
Embodied AI: handling domain gaps by language augmentations
|
|
Анализировать url |
| /slot/attention/optimal/transport/object/discovery/2022/12/21/slot-attention-with-OT.html |
Slot Attention with Optimal Transport
|
|
Анализировать url |
| /image/generation/diffusion/self/supervision/2022/12/14/self-guided-diffusion.html |
Self-Guided Diffusion
|
|
Анализировать url |
| /reasoning/interactions/partial/observability/2022/12/07/reasoning-clevr.html |
Reasoning with Missing Information
|
|
Анализировать url |
| /image/generation/synthetic/trainset/2022/11/30/training-stable-diffusion.html |
Learning a Model from Stable Diffusion
|
|
Анализировать url |
| /zero-shot/semantic/transfer/2022/11/21/semantic-transfer.html |
Creating a Deep Learning Model without Labels using Semantics
|
|
Анализировать url |
| /semantics/language/vision/clustering/2022/11/08/semantic-search.html |
Searching for Images using Semantics
|
|
Анализировать url |
| /outlier/anomaly/relevancy/2022/10/30/probabilistic-robotics.html |
Neuro-Symbolic Programming for Anomaly Detection
|
|
Анализировать url |
| /outlier/anomaly/relevancy/2022/10/21/relevancy.html |
Unknown but Relevant?
|
|
Анализировать url |
| /neuro-symbolic/program/attribution/multiple/objects/2022/10/07/multi-attribution.html |
Multi-object Attribution
|
|
Анализировать url |
| /maximum/separation/inductive/bias/2022/09/27/neurips-accepted.html |
NeurIPS paper accepted!
|
|
Анализировать url |
| /reasoning/first-order/logic/symbolic/predicates/2022/08/22/reasoning-faces.html |
Neuro-Symbolic Reasoning
|
|
Анализировать url |
| /equidistant/prototype/vectors/2022/07/12/separation.html |
Maximum Separation between Classes
|
|
Анализировать url |
| /language/text/image/embedding/2022/06/27/clip-maps.html |
Using Language to Analyze Images
|
|
Анализировать url |
| /explainable/ai/set/prediction/2022/06/19/explainability.html |
Explainability of Predictions
|
|
Анализировать url |
| /active/learning/object/detection/2022/05/10/object-labels.html |
How to select first labels for object detection?
|
|
Анализировать url |
| /set/prediction/equivariance/2022/04/22/multisets.html |
Multiset Prediction
|
|
Анализировать url |
| /pretraining/dataset/domain/transfer/object/detection/2022/04/13/domain-pretraining.html |
Domain-specific Pretraining
|
|
Анализировать url |
| /vision/language/2022/03/20/guided-vqa.html |
Visual Question Answering
|
|
Анализировать url |
| /set/prediction/energy-based/model/2022/03/02/set-prediction.html |
Set Prediction by an Energy-based Model
|
|
Анализировать url |
| /outlier/analysis/2022/02/04/ood.html |
Out of distribution
|
|
Анализировать url |
| /robot/embedded/artificial/intelligence/2022/01/24/neurips-ddm.html |
Deployable Decision Making in Embodied Systems
|
|
Анализировать url |
| /hyperspherical/equidistant/prototypes/2021/12/22/uncertainty-segmentation.html |
Uncertainty of Predictions
|
|
Анализировать url |
| /recurrent/graph/neural/network/2021/12/14/hypergraphs.html |
Hypergraph Prediction
|
|
Анализировать url |
| /domain/knowledge/hybrid/artificial/intelligence/2021/12/04/ebdvf.html |
Using domain knowledge to improve artificial intelligence
|
|
Анализировать url |
| /knowledge/deep/models/active/learning/2021/11/15/iciaps.html |
Using knowledge and selecting labels in DL: 2 papers accepted
|
|
Анализировать url |
| /model/uncertainty/2021/10/30/uncertainty.html |
Uncertainty Quantification
|
|
Анализировать url |
| /compositional/graph/zero-shot/learning/2021/09/29/protoprop.html |
Our paper is accepted at NeurIPS!
|
|
Анализировать url |
| /deep/sets/2021/09/17/sets-of-objects.html |
Scenes as Sets of Objects
|
|
Анализировать url |
| /applied/artificial/intelligence/2021/08/20/appl-ai.html |
Appl.AI @ TNO
|
|
Анализировать url |
| /active/perception/robotics/2021/08/02/active-vision.html |
Active Vision for Robotics
|
|
Анализировать url |
| /robotics/deep/learning/autonomy/2021/06/29/SPOT-newspaper.html |
Robotics and Deep Learning with SPOT
|
|
Анализировать url |
| /zero-shot/learning/2021/06/29/protoprop.html |
Compositionality of objects and attributes
|
|
Анализировать url |
| /zero-shot/learning/object/detection/2021/06/22/active-vision.html |
Zero-shot Object Localization
|
|
Анализировать url |
| /video/graphical/interface/t-sne/embeddings/2021/06/10/video-exploration.html |
Interactive Video Exploration
|
|
Анализировать url |
| /multimedia/multimodal/analytics/2021/06/04/nato-award.html |
NATO Award
|
|
Анализировать url |
| /multimedia/multimodal/analytics/2021/06/01/multimedia-analytics.html |
Content-based Multimedia Analytics
|
|
Анализировать url |
| /object/detection/synthetic/data/2021/05/19/learning-from-simulation.html |
Learning from Simulation and Games
|
|
Анализировать url |
| /robotics/ai/competence/2021/05/11/ieee-hri-2020.html |
Competence in (un)known environments
|
|
Анализировать url |
| /few/shot/learning/2021/04/23/darpa-lwll.html |
Learn objects with just one label?
|
|
Анализировать url |
| /activity/recognition/video/spatio-temporal/2021/04/21/aggression-detection.html |
Localizing Aggression in Videos
|
|
Анализировать url |
| /video/periodicity/activity/recognition/sports/2021/04/11/periodic_motion.html |
Periodic Motion in Video
|
|
Анализировать url |
| /transformers/vision/object/detection/video/classification/2021/04/07/transformers-for-vision.html |
Transformers for Vision
|
|
Анализировать url |
| /pictures/transformers4vision.pdf |
presentation
|
|
|
| /moving/object/detection/2021/03/31/trainable-MOD.html |
Detecting small objects by their motion
|
|
Анализировать url |
| /long-term/activity/recognition/2021/03/29/sequence-finder.html |
Patent granted: Sequence Finder
|
|
Анализировать url |
| /competence/assessment/robotics/2021/03/20/competence.html |
AI says: am I competent here?
|
|
Анализировать url |
Внешние ссылки
Кол-во: 13
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 13 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| uvafomo.github.io |
website
|
Анализировать url |
| nwo.nl |
Press release
|
Анализировать url |
| nwo.nl |
Press release.
|
Анализировать url |
| tno.nl |
News item.
|
Анализировать url |
| nwo.nl |
Press release
|
Анализировать url |
| microsoft.github.io |
Pretraining for Robotics
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| arxiv.org |
https://arxiv.org/abs/2206.08704
|
Анализировать url |
| dynsyslab.org |
here
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| appl-ai-tno.nl |
https://appl-ai-tno.nl
|
Анализировать url |
| youtube.com |
YouTube
|
Анализировать url |
| github.com |
<svg class="svg-icon"><use xlink:href="/assets/minima-social-icons.svg#github"></use></svg> <span class="username">gertjanburghouts</span>
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Таким сайт https://gertjanburghouts.github.io/ видят поисковые системы. Процент оптимизации невысокий - 50%. Чтобы улучшить сайт и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: