Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "learning object" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Machine learning versus human-developed algorithms in image analysis of microstructures
    Autorzy:
    Piwowarczyk, Adam
    Wojnar, Leszek
    Powiązania:
    https://bibliotekanauki.pl/articles/103967.pdf
    Data publikacji:
    2019
    Wydawca:
    Stowarzyszenie Menedżerów Jakości i Produkcji
    Tematy:
    image analysis
    object detection
    neural networks
    machine learning
    analiza obrazu
    detekcja obiektów
    sieci neuronowe
    uczenie maszynowe
    Opis:
    Automatic image analysis is nowadays a standard method in quality control of metallic materials, especially in grain size, graphite shape and non-metallic content evaluation. Automatically prepared solutions, based on machine learning, constitute an effective and sufficiently precise tool for classification. Human-developed algorithms, on the other hand, require much more experience in preparation, but allow better control of factors affecting the final result. Both attempts were described and compared.
    Źródło:
    Quality Production Improvement - QPI; 2019, 1, 1; 412-416
    2657-8603
    Pojawia się w:
    Quality Production Improvement - QPI
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza sceny przy użyciu głębokich sieci neuronowych typu YOLO
    Scene analysis using YOLO neural network
    Autorzy:
    Mikołajczyk, Mateusz
    Kwasigroch, Arkadiusz
    Grochowski, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/267008.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    sztuczne sieci neuronowe
    detekcja obiektów
    przetwarzanie obrazu
    uczenie głębokie
    artificial neural networks
    object detection
    image processing
    deep learning
    Opis:
    W artykule opisany został problem analizy sceny na obrazach oraz sekwencjach video. Zadanie analizy sceny polega na detekcji, lokalizacji i klasyfikacji obiektów znajdujących się na obrazach. Zaimplementowany system wykorzystuje głęboką sieć neuronową, której struktura oparta została na architekturze YOLO (You Only Look Once). Niskie zapotrzebowania obliczeniowe wybranej architektury pozwala na wykonywanie detekcji w czasie rzeczywistym z zadowalającą dokładnością. W pracy przeprowadzono również badania nad doborem odpowiedniego optymalizatora wykorzystywanego w procesie uczenia. Jako przykładową aplikację wybrano analizę ruchu ulicznego w której skład wchodzi wykrywanie i lokalizacja obiektów takich jak m.in. samochody, motocykle czy sygnalizacja świetlna. Systemy tego typu mogą być wykorzystywane w wszelkiego typu systemach analizy wizyjnej otoczenia np. w pojazdach autonomicznych, systemach automatycznej analizy video z kamer przemysłowych, systemach dozoru czy analizy zdjęć satelitarnych.
    The paper describes the problem of scene analysis in images and video sequences. The task of scene analysis is to detect, locate and classify objects in images. As an example of an application, traffic analysis was chosen, which includes the detection and location of objects such as cars, motorcycles or traffic lights. The implemented system uses a deep neural network, whose structure is based on the YOLO (You Only Look Once) architecture. Low computing requirements of the chosen architecture allows performing real-time detection with satisfactory accuracy. The work also included a study on the selection of an appropriate optimizer used in the learning process. The program correctly detects objects with a large surface area, allowing the system to be used in traffic analysis. The work also showed that using the ADAM algorithm allowed significantly shorten the training time of the neural network. Systems of this type can be used in many types of video analysis systems such as autonomous vehicles, automatic video analysis systems with CCTV cameras, surveillance systems or satellite image analysis.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2019, 68; 37-40
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multiscaled hybrid features generation for AdaBoost object detection
    Autorzy:
    Dembski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/333917.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    object detection
    machine learning
    biometrics
    AdaBoost classifier
    high resolution images
    detekcja obiektów
    uczenie maszynowe
    biometria
    klasyfikator AdaBoost
    obrazy wysokiej rozdzielczości
    Opis:
    This work presents the multiscaled version of modified census features in graphical objects detection with AdaBoost cascade training algorithm. Several experiments with face detector training process demonstrate better performance of such features over ordinal census and Haar-like approaches. The possibilities to join multiscaled census and Haar features in single hybrid cascade of strong classifiers are also elaborated and tested. The high resolution example images were used in detector training process.
    Źródło:
    Journal of Medical Informatics & Technologies; 2015, 24; 75-82
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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