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 "Pożarycki, A." wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Przekształcenia obrazów cyfrowych w drogownictwie
    Transformations of digital images in road engineering
    Autorzy:
    Pożarycki, A.
    Rydzewski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/144729.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    obrazy cyfrowe w drogownictwie
    analiza obrazu
    morfologia
    segmentacja obrazu
    highway engineering
    digital images
    image analysis
    morphology
    image segmentation
    Opis:
    W artykule przedstawiono oryginalną koncepcję analizy morfologicznej obrazów cyfrowych w połączeniu z metodami segmentacji. Pod uwagę wzięto zarówno ortogonalne obrazy wykonane w warunkach laboratoryjnych, jak i typowe w drogownictwie obrazy perspektywiczne, uzyskane przy wykorzystaniu standardowych, cyfrowych aparatów fotograficznych. Zakres przekształceń obrazów opisanych w artykule prezentuje metody tworzenia procedur analizy obrazów w systemowym utrzymaniu dróg.
    The morphological concept of digital image processing with segmentation methods are presented in the paper. Both, orthogonal images made under laboratory conditions and typical perspective images of highway engineering, taken by using standard digital cameras were considered. The paper presents, a range of image processing tools useful in pavement maintenance systems.
    Źródło:
    Drogownictwo; 2012, 6; 219-224
    0012-6357
    Pojawia się w:
    Drogownictwo
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostyka nawierzchni drogowej przy zastosowaniu metod sieci neuronowych – studium przypadku
    Road pavement diagnostics using neural network methods – a case study
    Autorzy:
    Jóźwiak, Zuzanna
    Pożarycki, Andrzej
    Górnaś, Przemysław
    Powiązania:
    https://bibliotekanauki.pl/articles/24024764.pdf
    Data publikacji:
    2022
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    sieci neuronowe
    głębokie uczenie maszynowe
    diagnostyka nawierzchni
    obrazy cyfrowe
    neural networks
    deep machine learning
    pavement diagnostics
    digital images
    Opis:
    W artykule przedstawiono zastosowanie metody głębokiego uczenia maszynowego, wykorzystanej do jednego z zagadnień diagnostyki nawierzchni drogowej. Opisano techniki głębokiego uczenia maszynowego do rozpoznawania wybranej grupy uszkodzeń nawierzchni zarejestrowanych na obrazach cyfrowych. W ramach eksperymentu numerycznego porównano między sobą dwa modele powszechnie znane jako VGG16 i VGG19. Architektura sieci reprezentowana jest poprzez schemat połączeń charakterystyczny dla konwolucyjnych sieci neuronowych, które z założenia przeznaczone są na potrzeby identyfikacji obiektów na obrazach cyfrowych. Mimo wszystko źródłowa baza danych, znana pod angielską nazwą ImageNet, nie zawiera obrazów cyfrowych nawierzchni jezdni. W celu poszerzenia wiedzy w tym zakresie autorzy utworzyli bazę ortogonalnych obrazów cyfrowych nawierzchni jezdni i opisali jeden z możliwych scenariuszy wykorzystania tych narzędzi do zautomatyzowanej identyfikacji uproszczonej wersji wskaźnika stanu powierzchni.
    This paper presents the application of deep machine learning method used for one of the problems of road pavement diagnostics. Deep machine learning techniques for the recognition of a selected group of pavement surface defects observed in digital images are described. In a numerical experiment, two models commonly known as VGG16 and VGG19 were compared to each other. The network architecture is represented by a connection scheme characteristic of convolutional neural networks, which by design are intended for the purpose of identifying objects in digital images. Nevertheless, the source database known as ImageNet does not contain digital images of pavement surfaces. In order to extend the knowledge in this area, the authors created a database of orthogonal digital images of pavement surfaces and described one of the possible scenarios of using these tools for automated identification of a simplified version of the surface condition index.
    Źródło:
    Drogownictwo; 2022, 2-3; 65--72
    0012-6357
    Pojawia się w:
    Drogownictwo
    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