Анализ сайта junchenglee.com
Основное Готовность: 100%
Домен
junchenglee.com
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
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.
Цепочка редиректов:
http://junchenglee.com
301 MovedPermanently
https://junchenglee.com/
200 OK
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.
HTTP автоматически перенаправляется на HTTPS.
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
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 страницы не указан. Рекомендуется явно указать язык документа!
Скорость загрузки
~0,84сек
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 0,84сек оптимальна.
Объем документа
56Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 56Кб 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 | text/css | jemdoc.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 | "6a8540aa-e485" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 642C:779F0:B6FDB3:B849D8:6A88F237 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 00:49:59 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230112-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787359800.699703,VS0,VE111 |
| Vary | Accept-Encoding |
| x-fastly-request-id | e571f58c3a6e36c52d5e9376a69893d86a1daf14 |
CMS
Не определена
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.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
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: 24%
Title
Juncheng Li
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.
Необходимо увеличить число символов в title (текущее значение мало: 11, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Juncheng Li's home page
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 увеличить число символов в description (текущее значение мало: 23, минимум: 80, оптимально: от 120 до 130)
Keywords
Juncheng Li, Li Juncheng, Juncheng, East China Normal University, The Chinese University of Hong Kong, Shanghai University, 李俊诚, 俊诚, 华东师范大学, 香港中文大学，上海大学
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.
Keywords установлены.
Канонический Url
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.
Рекомендуем прописать канонический Url.
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
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 не указан. Страница не адаптивная.
Разметка OpenGraph
Не найдено
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 не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 3
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 3шт. 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 | keywords | Juncheng Li, Li Juncheng, Juncheng, East China Normal University, The Chinese University of Hong Kong, Shanghai University, 李俊诚, 俊诚, 华东师范大学, 香港中文大学，上海大学 |
| name | description | Juncheng Li's home page |
| name | google-site-verification | yy_3iiS_X6pJdegdwitJMrH0LRLHXwpjrV9RKLXxKjg |
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 в единственном экземпляре).
Контент
Есть ошибки
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 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 35 достаточно.
Среднее число слов в абзаце 22 достаточно.
Кол-во знаков контента 23223 на странице оптимально.
Кол-во слов 3427 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 <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 8. Это хорошо.
На странице присутствуют заголовки <h3> 11.
Тошнота
7,07
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
179,98%
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 |
|---|---|---|
| accepted | 50 | 1,46% |
| juncheng | 42 | 1,23% |
| [paper] | 40 | 1,17% |
| conference | 31 | 0,90% |
| university | 24 | 0,70% |
| computer | 23 | 0,67% |
| international | 23 | 0,67% |
| transactions | 22 | 0,64% |
| super-resolution | 21 | 0,61% |
| tieyong | 20 | 0,58% |
| vision | 19 | 0,55% |
| network | 18 | 0,53% |
| [code] | 16 | 0,47% |
| processing | 15 | 0,44% |
| medical | 15 | 0,44% |
| shanghai | 15 | 0,44% |
| papers | 14 | 0,41% |
| journal | 14 | 0,41% |
| multimedia | 13 | 0,38% |
| [homepage] | 13 | 0,38% |
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 136 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: 68
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 68 оптимально.
На странице присутствуют изображения 1.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Survey on Deep Face Restoration: From Non-blind to Blind and Beyond<font color="red">【New】</font>
|
|
Анализировать url |
| /paper/CUSR2025.pdf |
[Paper]
|
|
|
| / |
Fast MRI Reconstruction: A Thorough Survey from Single-Modal to Multi-Modal<font color="red">【New】</font>
|
|
Анализировать url |
| / |
[Paper]
|
|
Анализировать url |
| / |
MHigh-frequency Modulated Transformer for Multi-Contrast MRI Super-Resolution<font color="red">【New】</font>
|
|
Анализировать url |
| / |
[Paper]
|
|
Анализировать url |
| /paper/TGCN.pdf |
Topological GCN Guided Improved Conformer for Detection of Hip Landmarks from Ultrasound Images<font color="red">【New】</font>
|
|
|
| /paper/TGCN.pdf |
[Paper]
|
|
|
| /paper/MCFN.pdf |
Multimodal Co-attention Fusion Network with Online Data Augmentation for Cancer Subtype Classification
|
|
|
| /paper/MCFN.pdf |
[Paper]
|
|
|
| / |
[Paper]
|
|
Анализировать url |
| /paper/JBHI_2024.pdf |
Involution Transformer based U-Net for Landmark Detection in Ultrasound Images for Diagnosis of Infantile DDH
|
|
|
| /paper/JBHI_2024.pdf |
[Paper]
|
|
|
| / |
Cost-Sensitive Weighted Contrastive Learning Based on Graph Convolutional Networks for Imbalanced Alzheimer’s Disease Staging
|
|
Анализировать url |
| / |
[Paper]
|
|
Анализировать url |
| / |
Weakly Supervised Lesion Detection and Diagnosis for Breast Cancers with Partially Annotated Ultrasound Images
|
|
Анализировать url |
| / |
[Paper]
|
|
Анализировать url |
| /paper/Fast-TGCN.pdf |
A Fine-Grained Orthodontics Segmentation Model for 3D Intraoral Scan Data
|
|
|
| / |
[Code]
|
|
Анализировать url |
| /paper/TMI_2023.pdf |
Pseudo-Data based Self-Supervised Federated Learning for Classification of Histopathological Images
|
|
|
| /paper/JBHI_2023.pdf |
Multi-scale Efficient Graph-Transformer for Whole Slide Image Classification
|
|
|
| /paper/MICCAI_2024.pdf |
Topological GCN for Improving Detection of Hip Landmarks from B-Mode Ultrasound Images<font color="red">【New】</font>
|
|
|
| /paper/MICCAI_2024.pdf |
[Paper]
|
|
|
| /paper/MICCAI_2023.pdf |
Multi-Scale Prototypical Transformer for Whole Slide Image Classification
|
|
|
| /paper/TCSVT2024.pdf |
[Paper]
|
|
|
| / |
Cross-Receptive Focused Inference Network for Lightweight Image Super-Resolution (<font color="red"><i><b>ESI Highly Cited Paper</b></i></font>)<br>
|
|
Анализировать url |
| /paper/CFIN.pdf |
[Paper]
|
|
|
| /paper/CTCNet.pdf |
[Paper]
|
|
|
| /paper/FBSNet.pdf |
[Paper]
|
|
|
| /paper/TCSVT_2020.pdf |
MDCN: Multi-scale Dense Cross Network for Image Super-Resolution
|
|
|
| /paper/TCSVT_2020.pdf |
[Paper]
|
|
|
| /projects/TCSVT2020_MDCN |
[Homepage]
|
|
Анализировать url |
| /paper/TMM_2020.pdf |
Luminance-aware Pyramid Network for Low-light Image Enhancement
|
|
|
| /paper/TMM_2020.pdf |
[Paper]
|
|
|
| /paper/TNNLS_2020.pdf |
Multi-level Edge Features Guided Network for Image Denoising
|
|
|
| /paper/TNNLS_2020.pdf |
[Paper]
|
|
|
| /projects/TNNLS2020_MLEFGN |
[Homepage]
|
|
Анализировать url |
| /paper/TIP_2020.pdf |
Soft-edge Assisted Network for Single Image Super-Resolution <font color="red">【Hot】</font>
|
|
|
| /paper/TIP_2020.pdf |
[Paper]
|
|
|
| /projects/TIP2020_SEANET |
[Homepage]
|
|
Анализировать url |
| /paper/ECCV_2018.pdf |
Multi-scale Residual Network for Image Super-Resolution <font color="red">【Hot】[Citations: 1100+]</font>
|
|
|
| /paper/ECCV_2018.pdf |
[Paper]
|
|
|
| /poster/MSRN-poster.pdf |
[Poster]
|
|
|
| /projects/ECCV2018_MSRN |
[Homepage]
|
|
Анализировать url |
| /paper/ESRT.pdf |
[Paper]
|
|
|
| /paper/ESRT-supp.pdf |
[Supp]
|
|
|
| /poster/ESRT.pdf |
[Poster]
|
|
|
| /projects/ESRT |
[Homepage]
|
|
Анализировать url |
| / |
Cross Paradigm Representation and Alignment Transformer for Image Deraining <font color="red">【New】</font>
|
|
Анализировать url |
| /paper/ACMMM_2025.pdf |
[Paper]
|
|
|
| / |
[Poster]
|
|
Анализировать url |
| / |
[Code]
|
|
Анализировать url |
| / |
Learning Coupled Dictionaries from Unpaired Data for Image Super-Resolution
|
|
Анализировать url |
| /paper/CVPR.pdf |
[Paper]
|
|
|
| / |
[Poster]
|
|
Анализировать url |
| / |
[Code]
|
|
Анализировать url |
| /paper/IJCAI2022.pdf |
[Paper]
|
|
|
| / |
Feature Distillation Interaction Weighting Network for Lightweight Image Super-Resolution
|
|
Анализировать url |
| /paper/AAAI.pdf |
[Paper]
|
|
|
| /poster/AAAI-poster.pdf |
[Poster]
|
|
|
| /paper/ACMMM_2021.pdf |
Feedback Network for Mutually Boosted Stereo Image Super-Resolution and Disparity Estimation
|
|
|
| /paper/ACMMM_2021.pdf |
[Paper]
|
|
|
| /poster/ACMMM_poster.pdf |
[Poster]
|
|
|
| /paper/ICCV_2021.pdf |
Structure-Preserving Deraining with Residue Channel Prior Guidance
|
|
|
| /paper/ICCV_2021.pdf |
[Paper]
|
|
|
| /poster/ICCV_poster.pdf |
[Poster]
|
|
|
| /projects/ICCV2021_SPDNet |
[Homepage]
|
|
Анализировать url |
| / |
MICCAI 2026 Challenge
|
|
Анализировать url |
Внешние ссылки
Кол-во: 65
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 65 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| faculty.ecnu.edu.cn |
Guixu Zhang
|
Анализировать url |
| scholar.google.com.hk |
Tieyong Zeng
|
Анализировать url |
| vision.ee.ethz.ch |
"Example-based RAW to RGB Mapping Challenge"
|
Анализировать url |
| vision.ee.ethz.ch |
"Example-based RAW to RGB Mapping Challenge"
|
Анализировать url |
| tianchi.aliyun.com |
"Youku Video Enhancement and Super Resolution Challenge"
|
Анализировать url |
| github.com |
"Image Dehazing Challenge"
|
Анализировать url |
| vision.ee.ethz.ch |
"Image Dehazing Challenge".
|
Анализировать url |
| scholar.google.com.hk |
Tieyong Zeng
|
Анализировать url |
| cmai.math.cuhk.edu.hk |
CMAI
|
Анализировать url |
| scholar.google.com.hk |
Tieyong Zeng
|
Анализировать url |
| hebmlc.org |
Xizhao Wang
|
Анализировать url |
| scholar.google.com.hk |
Tieyong Zeng
|
Анализировать url |
| cmai.math.cuhk.edu.hk |
CMAI
|
Анализировать url |
| scholar.google.com.hk |
Tieyong Zeng
|
Анализировать url |
| cmai.math.cuhk.edu.hk |
CMAI
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| dl.acm.org |
A Systematic Survey of Deep Learning-based Single-Image Super-Resolution
|
Анализировать url |
| dl.acm.org |
[Paper]
|
Анализировать url |
| github.com |
[Homepage]
|
Анализировать url |
| authors.elsevier.com |
Few Sampling Meshes-based 3D Tooth Segmentation via Region-Aware Graph Convolutional Network
|
Анализировать url |
| sciencedirect.com |
[Paper]
|
Анализировать url |
| reurl.cc |
[Dataset]
|
Анализировать url |
| arxiv.org |
[Paper]
|
Анализировать url |
| arxiv.org |
[Paper]
|
Анализировать url |
| link.springer.com |
[Paper]
|
Анализировать url |
| ieeexplore.ieee.org |
WeaFU: Weather-Informed Image Blind Restoration via Multi-Weather Distribution Diffusion<font color="red">【New】</font>
|
Анализировать url |
| arxiv.org |
CTCNet: A CNN-Transformer Cooperation Network for Face Image Super-Resolution
|
Анализировать url |
| ieeexplore.ieee.org |
FBSNet: A Fast Bilateral Symmetrical Network for Real-Time Semantic Segmentation
|
Анализировать url |
| guangweigao.github.io |
[Homepage]
|
Анализировать url |
| ieeexplore.ieee.org |
Efficient and Accurate Multi-scale Topological Network for Single Image Dehazing
|
Анализировать url |
| ieeexplore.ieee.org |
[Paper]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| arxiv.org |
Transformer for Single Image Super-Resolution <font color="red">【Hot】[Citations: 1000+]</font>
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| arxiv.org |
Lightweight Bimodal Network for Single-Image Super-Resolution via Symmetric CNN and Recursive Transformer
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| guangweigao.github.io |
[Homepage]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| guangweigao.github.io |
[Homepage]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| github.com |
[Code]
|
Анализировать url |
| link.springer.com |
Journal on Image and Video Processing
|
Анализировать url |
| tis.hrbeu.edu.cn |
CAAI Transactions on Intelligent Systems
|
Анализировать url |
| mdpi.com |
Special issue "Representation Learning for Computer Vision and Pattern Recognition, 2nd Edition", Mathematics.
|
Анализировать url |
| mdpi.com |
Special issue "Mathematical Techniques and Artificial Intelligence in Image Processing", Mathematics.
|
Анализировать url |
| ietresearch.onlinelibrary.wiley.com |
Special issue "Advanced Image Restoration and Enhancement in the Wild", IET Computer Version.
|
Анализировать url |
| mdpi.com |
Special issue "Representation Learning for Computer Vision and Pattern Recognition", Mathematics.
|
Анализировать url |
| codabench.org |
CVPR-NTIRE 2026 Light Field Image Super-Resolution Challenge
|
Анализировать url |
| codabench.org |
CVPR-NTIRE 2026 3D Content Super-Resolution Challenge
|
Анализировать url |
| github.com |
CVPR-NTIRE 2024: Stereo Image Super-Resolution Challenge
|
Анализировать url |
| ericlab.org |
ACPR 2023 Workshop: Representation Learning for Computer Vision and Pattern Recognition
|
Анализировать url |
| github.com |
CVPR-NTIRE 2023: Stereo Image Super-Resolution Challenge
|
Анализировать url |
| github.com |
CVPR-NTIRE 2022: Stereo Image Super-Resolution Challenge
|
Анализировать url |
| guangweigao.github.io |
IEEE ICME 2021 Special Session: Advanced Representation Learning for Robust Multimedia Image Understanding
|
Анализировать url |
| 2026.acmmm.org |
34th ACM International Conference on Multimedia (ACMMM 26), 2026, PC.
|
Анализировать url |
| icmr2026.org |
16th ACM International Conference on Multimedia Retrieval (ICMR 26), 2026, PC.
|
Анализировать url |
| 2026.ijcai.org |
35th International Conference on Artificial Intelligence (IJCAI-26), 2026, SPC.
|
Анализировать url |
| ecai2025.org |
28th European Conference on Artificial Intelligence (ECAI-25), 2025, SPC.
|
Анализировать url |
| 2025.ijcai.org |
34th International Joint Conference on Artificial Intelligence (IJCAI-25), 2025, PC.
|
Анализировать url |
| data.vision.ee.ethz.ch |
CVPR-NTIRE, 2022, 2023, 2024.
|
Анализировать url |
| data.vision.ee.ethz.ch |
ICCV, AIM: Advances in Image Manipulation workshop and challenges, 2022.
|
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
Оптимизация сайта junchenglee.com выполнена всего на 46%. Чтобы исправить ситуацию и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: