Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "system klasyfikacji" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Integrated Computer Vision and Soft Computing System for Classifying the Pilling Resistance of Knitted Fabrics
Zintegrowany system komputerowy z systemem analizy obrazu dla oceny i klasyfikacji odporności na pilling wyrobów dzianych
Autorzy:
Eldessouki, M
Bukhari, H A
Hassan, M
Qashqary, K
Powiązania:
https://bibliotekanauki.pl/articles/232642.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
pilling of knitted fabric
pill segmentation
pill quantisation
soft-computing classifier
artificial neural networks
pilling wyrobów dzianych
zintegrowany system dla klasyfikacji odporności na piling
system analizy obrazu
Opis:
Fabric pilling is one of the important properties that affect fabric appearance. The testing of fabric pilling using the standard methods available, however, depends on subjective sample evaluation. Objective fabric pilling evaluation using image processing techniques comprises four main stages that include binarisation, segmentation, quantisation, and classification. Literature on the topic focuses only on one or more of these stages while there is a growing need for an integrated system that combines the most effective techniques of each stage and introduces them in a way that does not depend on the subjective evaluation of human operators. This work tries to tackle this problem and creates an integrated system for classifying the pilling resistance of knitted fabrics. The system introduced a new method for generating an image library based on photographs of the EMPA Standards to allow the training and testing of a soft-computing classifier. The method suggested was tested using knitted samples of different structures and colours and the results show their high robustness performance. The quantitative pilling classification produced from the system suggested shows high agreement with the subjective operators’ evaluation with a Spearman’s correlation coefficient of +0.85.
Dotychczasowe metody oceny pilingu zależą od subiektywnej oceny oceniającego. Obiektywne oceny pilingu za pomocą analizy obrazu zawierają cztery główne stadia: binaryzację, segmentację, kwantyzacją i klasyfikację. Dostępna literatura podaja na ogół omówienie tylko jednego lub więcej z czterech stopni, natomiast istnieje potrzeba zintegrowanego systemu, który umożliwiałby ogólną ocenę bez subiektywnej ingerencji oceniającego. W pracy postarano się rozwiązać ten problem i stworzono zintegrowany system dla klasyfikacji odporności na piling. System zawiera bazę zdjęć różnych struktur poddanym różnym etapom pilingu. Wyniki uzyskiwane z opracowanego systemu klasyfikacji są w dużej mierze zgodne z wynikami podawanymi przez etatowych subiektywnych klasyfikatorów.
Źródło:
Fibres & Textiles in Eastern Europe; 2014, 6 (108); 106-112
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Developing an Intelligent Model for the Construction a Hip Shape Recognition System Based on 3D Body Measurement
Opracowanie inteligentnego modelu dla rozpoznania konstrukcji kształtu bioder
Autorzy:
Jin, J.-F.
Yang, Y.-C.
Zou, F.-Y.
Powiązania:
https://bibliotekanauki.pl/articles/234324.pdf
Data publikacji:
2016
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
intelligent recognition system
probabilistic neural network
classification accuracy
feature reduction
typical index
cluster analysis
inteligentny system rozpoznawania
sieć neuronowa
dokładność klasyfikacji
funkcja redukcji
typy kształtu bioder
Opis:
The purpose of this paper was to develop an intelligent recognition system consisting of a feature reduction method combining cluster and correlation analyses, and a probabilistic neural network (PNN) classifier to identify different types of hip shape from 3D measurement for each person. Firstly 28 items reflecting lower body part information of 300 female university students aging from 20 to 24 years were selected. The feature reduction method was employed to extract typical indices. Secondly hip shapes were subdivided into five types by a K-means cluster and analysis of variance (ANOVA). Finally the PNN was then trained to serve as a classifier for identifying five different hip shape types. The average classification accuracy of the scheme proposed was 97.37%, and its effectiveness was successfully validated by comparing with the BP and Support Vector Machine (SVM) scheme. Thus an intelligent recognition system was developed to make hip shape type classification of high-precision and time saving.
Model łączy analizę skupień i korelacji oraz probabilistyczną sztuczną sieć neuronową dla identyfikacji różnych typów kształtów bioder opartą o pomiary 3D poszczególnych osób. Wyselekcjonowano 28 przypadków odzwierciedlających dolną część sylwetki 300 studentek w wieku od 20 do 24 lat. Zastosowano metodę redukcji poszczególnych właściwości dla wybrania typowych wskaźników. Następnie kształt bioder podzielono na 5 typów za pomocą algorytmu klastrowego i systemu ANOVA (analiza wariancji). Następnie przeprowadzono trening sieci neuronowej aby mogła posłużyć jako klasyfikator identyfikacji 5 różnych kształtów bioder. Przeciętna dokładność klasyfikacji proponowanego systemu wynosiła 97,37%, a efektywność była sukcesywnie sprawdzana przez porównanie schematów BP i SVM. W ten sposób stworzono inteligentny system rozpoznania typu kształtu bioder o dużej precyzji, pozwalający na oszczędność czasu.
Źródło:
Fibres & Textiles in Eastern Europe; 2016, 5 (119); 110-118
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies