Temat: Convolutional Neural Network - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Project of autonomous workstation feeding fledging birds
Projekt autonomicznego robota do karmienia podlotów
Autorzy:: Dwornicki, Dawid
Powiązania:: https://bibliotekanauki.pl/articles/2014198.pdf
Data publikacji:: 2020
Wydawca:: Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu
Tematy:: fledging birds
convolutional neural network
computer vision
podloty
konwolucyjne sieci neuronowe
analiza obrazu
Opis:: The article describes project of autonomous workstation capable of feeding fledging birds. During the breeding season animal rescue centers are experiencing huge overload of patients and up to 20% of patients are birds. Despite small size they demand as much care as other animals – in case of fledging birds main need is frequent feeding which is impossible to cover by working staff. Designed workstation is meant to solve this problem and decrease mortality of sick or immature animals.
Artykuł opisuje projekt stanowiska służącego do automatycznego karmienia podlotów. W sezonie lęgowym ośrodki rehabilitacji dzikich zwierząt zmagają się ze zwiększoną liczbą pacjentów, z których nawet do 20% stanowią ptaki. Mimo małych rozmiarów wymagają tyle samo opieki co pozostałe zwierzęta – w przypadku podlotów głównym zadaniem jest regularne i częste karmienie co jest niemożliwe do zrealizowania przez ograniczony zespół. Zaprojektowany robot ma za zadanie rozwiązać ten problem, wspomóc pracowników i zmniejszyć śmiertelność młodych lub chorych ptaków.
Źródło:: Journal of Automation, Electronics and Electrical Engineering; 2020, 2, 1; 9-15
2658-2058
2719-2954
Pojawia się w:: Journal of Automation, Electronics and Electrical Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Blender jako narzędzie do generacji danych syntetycznych
Blender as a tool for generating synthetic data
Autorzy:: Sieczka, Rafał
Pańczyk, Maciej
Powiązania:: https://bibliotekanauki.pl/articles/98204.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Lubelska. Instytut Informatyki
Tematy:: artificial neural networks
convolutional neural network
synthetic data
blender
sztuczne sieci neuronowe
konwolucyjne sieci neuronowe
dane syntetyczne
Opis:: Acquiring data for neural network training is an expensive and labour-intensive task, especially when such data is difficult to access. This article proposes the use of 3D Blender graphics software as a tool to automatically generate synthetic image data on the example of price labels. Using the fastai library, price label classifiers were trained on a set of synthetic data, which were compared with classifiers trained on a real data set. The comparison of the results showed that it is possible to use Blender to generate synthetic data. This allows for a significant acceleration of the data acquisition process and consequently, the learning process of neural networks.
Pozyskiwanie danych do treningu sieci neuronowych, jest kosztownym i pracochłonnym zadaniem, szczególnie kiedy takie dane są trudno dostępne. W niniejszym artykule zostało zaproponowane użycie programu do grafiki 3D Blender, jako narzędzia do automatycznej generacji danych syntetycznych zdjęć, na przykładzie etykiet cenowych. Przy użyciu biblioteki fastai, zostały wytrenowane klasyfikatory etykiet cenowych, na zbiorze danych syntetycznych, które porównano z klasyfikatorami trenowanymi na zbiorze danych rzeczywistych. Porównanie wyników wykazało, że możliwe jest użycie programu Blender do generacji danych syntetycznych. Pozwala to w znaczącym stopniu przyśpieszyć proces pozyskiwania danych, a co za tym idzie proces uczenia sieci neuronowych.
Źródło:: Journal of Computer Sciences Institute; 2020, 16; 227-232
2544-0764
Pojawia się w:: Journal of Computer Sciences Institute
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Remanufacturing process improvement by image recognition methods. Application of the mechanical part
Poprawa procesu regeneracji poprzez metody rozpoznawania obrazu. Zastosowanie części mechanicznej
Autorzy:: Kos, Mateusz
Powiązania:: https://bibliotekanauki.pl/articles/1818701.pdf
Data publikacji:: 2021
Wydawca:: Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:: remanufacturing
convolutional neural network
automation
improvement
image recognition
regeneracja
konwolucyjne sieci neuronowe
automatyzacja
ulepszanie
rozpoznawanie obrazu
Opis:: The paper describes the possibility of using, building, and implementing an image recognition system in a company performing remanufacturing processes. It is based on a thesis prepared with the help of Wabco Reman Solutions. The tests were conducted using one of the parts remanufactured by the company – a manifold. The research focuses on different variants of the obtained image recognition models in order to identify differences that may affect their effectiveness and possible application in real work conditions. The environment used to build the models is Jupyter Notebook, and convolutional neural networks were implemented.
W artykule opisano możliwości wykorzystania, budowy i wdrożenia systemu rozpoznawania obrazu w firmie realizującej proces regeneracji. Artykuł powstał na podstawie pracy magisterskiej przygotowanej przy pomocy Wabco Reman Solutions. Przeprowadzone testy zostały wykonane na jednej z regenerowanych części w firmie - kolektorze. W badaniach skupiono się na różnych wariantach powstałych modeli rozpoznawania obrazów w celu dostrzeżenia różnic, które mogą wpłynąć na ich skuteczność i możliwość zastosowania w rzeczywistych warunkach pracy. Do budowy modeli, w których zaimplementowano konwolucyjne sieci neuronowe, wykorzystano środowisko Jupyter Notebook.
Źródło:: Journal of TransLogistics; 2021, 7, 1; 147--162
2450-5870
Pojawia się w:: Journal of TransLogistics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Remanufacturing process improvement by image recognition methods. Application of the mechanical part
Poprawa procesu regeneracji poprzez metody rozpoznawania obrazu. Zastosowanie części mechanicznej
Autorzy:: Kos, Mateusz
Powiązania:: https://bibliotekanauki.pl/articles/1818687.pdf
Data publikacji:: 2021
Wydawca:: Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:: remanufacturing
convolutional neural network
automation
improvement
image recognition
regeneracja
konwolucyjne sieci neuronowe
automatyzacja
ulepszanie
rozpoznawanie obrazu
Opis:: The paper describes the possibility of using, building, and implementing an image recognition system in a company performing remanufacturing processes. It is based on a thesis prepared with the help of Wabco Reman Solutions. The tests were conducted using one of the parts remanufactured by the company – a manifold. The research focuses on different variants of the obtained image recognition models in order to identify differences that may affect their effectiveness and possible application in real work conditions. The environment used to build the models is Jupyter Notebook, and convolutional neural networks were implemented.
W artykule opisano możliwości wykorzystania, budowy i wdrożenia systemu rozpoznawania obrazu w firmie realizującej proces regeneracji. Artykuł powstał na podstawie pracy magisterskiej przygotowanej przy pomocy Wabco Reman Solutions. Przeprowadzone testy zostały wykonane na jednej z regenerowanych części w firmie - kolektorze. W badaniach skupiono się na różnych wariantach powstałych modeli rozpoznawania obrazów w celu dostrzeżenia różnic, które mogą wpłynąć na ich skuteczność i możliwość zastosowania w rzeczywistych warunkach pracy. Do budowy modeli, w których zaimplementowano konwolucyjne sieci neuronowe, wykorzystano środowisko Jupyter Notebook.
Źródło:: Journal of TransLogistics; 2021, 7, 1; 147--162
2450-5870
Pojawia się w:: Journal of TransLogistics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Estimating the distance to an object from grayscale stereo images using deep learning
Autorzy:: Kulawik, Joanna
Powiązania:: https://bibliotekanauki.pl/articles/2202043.pdf
Data publikacji:: 2022
Wydawca:: Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
Tematy:: estimating distance
stereo vision
convolutional neural network
deep learning
szacowanie odległości
widzenie stereoskopowe
konwolucyjne sieci neuronowe
uczenie głębokie
Opis:: This article presents an innovative proposal for estimating the distance between an autonomous vehicle and an object in front of it. Such information can be used, for example, to support the process of controlling an autonomous vehicle. The primary source of information in research is monochrome stereo images. The images were made in compliance with the laws of the canonical order. The developed convolutional neural network model was used for the estimation. A proprietary dataset was developed for the experiments. The analysis was based on the phenomenon of disparity in stereo images. As a result of the research, a correctly trained model of the CNN network was obtained in six variants. High accuracy of distance estimation was achieved. This publication describes an original proposal for a hybrid blend of digital image analysis, stereo-vision, and deep learning for engineering applications.
Źródło:: Journal of Applied Mathematics and Computational Mechanics; 2022, 21, 4; 60--72
2299-9965
Pojawia się w:: Journal of Applied Mathematics and Computational Mechanics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Application of convolutional neuron network for image processing and interpretation
Zastosowanie konwolucyjnych sieci neuronowych do przetwarzania i interpretacji obrazów
Autorzy:: Pałczyński, Krzysztof
Powiązania:: https://bibliotekanauki.pl/articles/2016320.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
Tematy:: convolutional neural network
image processing
filtration
convolution
activation function
loss function
softmax
cross entropy
L2
Dropout
stochastic gradient drop
konwolucyjne sieci neuronowe
przetwarzanie obrazów
filtracja
splot
funkcja aktywacji
funkcja straty
entropia krzyżowa
stochastyczny spadek gradientu
Opis:: This article describes the application of Convolutional Neural Network in image processing and describes how it works. There are presented: network layers, types of activation functions, example of the AlexNet network architecture, the use of the loss function and the cross entropy method to calculate the loss during tests, L2 and Dropout methods used for weights regularization and optimization of the loss function using Stochastic Gradient Drop.
Artykuł ten opisuje zastosowanie Konwolucyjnych Sieci Neuronowych w przetwarzaniu obrazów. W celu lepszego zrozumienia tematu opisano sposób działania sieci. Przedstawiono sieci wielowarstwowe, rodzaje funkcji aktywacji, przykład architektury sieci AlexNet. W artykule skupiono się na opisaniu wykorzystania funkcji straty oraz metody entropii krzyżowej do obliczenia straty w czasie testów. Opisano również sposoby normalizacji wag L2 i Dropout oraz optymalizację funkcji straty za pomocą Stochastycznego Spadku Gradientu.
Źródło:: Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2019, 23; 5-12
1899-0088
Pojawia się w:: Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Convolutional Neural Network" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język