Wszystkie pola: Bodus-Olkowska, Izabela - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Potential and use of the googlenet ann for the purposes of inland water ships classification
Autorzy:: Bobkowska, Katarzyna
Bodus-Olkowska, Izabela
Powiązania:: https://bibliotekanauki.pl/articles/1573774.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:: ship classification
image classification
geoinformatics
artificial intelligence
artificial neural network
Opis:: This article presents an analysis of the possibilities of using the pre-degraded GoogLeNet artificial neural network to classify inland vessels. Inland water authorities monitor the intensity of the vessels via CCTV. Such classification seems to be an improvement in their statutory tasks. The automatic classification of the inland vessels from video recording is a one of the main objectives of the Automatic Ship Recognition and Identification (SHREC) project. The image repository for the training purposes consists about 6,000 images of different categories of the vessels. Some images were gathered from internet websites, and some were collected by the project’s video cameras. The GoogLeNet network was trained and tested using 11 variants. These variants assumed modifications of image sets representing (e.g., change in the number of classes, change of class types, initial reconstruction of images, removal of images of insufficient quality). The final result of the classification quality was 83.6%. The newly obtained neural network can be an extension and a component of a comprehensive geoinformatics system for vessel recognition.
Źródło:: Polish Maritime Research; 2020, 4; 170-178
1233-2585
Pojawia się w:: Polish Maritime Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Selection of an artificial pre-training neural network for the classification of inland vessels based on their images
Autorzy:: Bobkowska, Katarzyna
Bodus-Olkowska, Izabela
Powiązania:: https://bibliotekanauki.pl/articles/2033603.pdf
Data publikacji:: 2021
Wydawca:: Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:: image classification
inland vessels
ANN
pre-trained neural network
GoogLeNet
AlexNet
SqeeezeNet
Opis:: Artificial neural networks (ANN) are the most commonly used algorithms for image classification problems. An image classifier takes an image or video as input and classifies it into one of the possible categories that it was trained to identify. They are applied in various areas such as security, defense, healthcare, biology, forensics, communication, etc. There is no need to create one’s own ANN because there are several pre-trained networks already available. The aim of the SHREC projects (automatic ship recognition and identification) is to classify and identify the vessels based on images obtained from closed-circuit television (CCTV) cameras. For this purpose, a dataset of vessel images was collected during 2018, 2019, and 2020 video measurement campaigns. The authors of this article used three pre-trained neural networks, GoogLeNet, AlexNet, and SqeezeNet, to examine the classification possibility and assess its quality. About 8000 vessel images were used, which were categorized into seven categories: barge, special-purpose service ships, motor yachts with a motorboat, passenger ships, sailing yachts, kayaks, and others. A comparison of the results using neural networks to classify floating inland units is presented.
Źródło:: Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2021, 67 (139); 91--97
1733-8670
2392-0378
Pojawia się w:: Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Ferromagnetic Underwater Target Detection Based on a Magnetic Anomaly Map
Wykrywanie ferromagnetycznych obiektów podwodnych na podstawie mapy anomalii magnetycznych
Autorzy:: Bodus-Olkowska, Izabela
Uriasz, Janusz
Powiązania:: https://bibliotekanauki.pl/articles/385735.pdf
Data publikacji:: 2020
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: hydrografia
obiekty ferromagnetyczne
anomalia magnetyczna
pole magnetyczne
segmentacja obrazu
hydrography
ferromagnetic objects
magnetic anomaly
magnetic field
image segmentation
Opis:: A magnetic anomaly map of an underwater area indicates the places where the distortion of a magnetic field has occurred. Through the interpretation procedures, a hydrographer can easily indicate the places where the ferromagnetic objects are, then calculate the level of each distortion – by the value of total anomaly – and initially, based on their own knowledge, try to classify the sources of distortion. Objects that induce micro anomaly changes (>30 nT) – like industrial infrastructure, such as pipelines and cables; to unintendingly located targets with ferromagnetic characteristics: wrecks (vessels, planes, cars), military mines, UXO, lost anchors and chains. Interpretation of such a map with the attempt to identify the source of magnetic field distortion, requires a specific knowledge as well as experience. In this article the author presents the research results of dimensioning and location of potential ferromagnetic underwater objects based on a magnetic anomaly map. For further consideration an anchor of buoyage system is taken into account. Geolocation of ferromagnetic sources, contours extraction and dimensioning algorithms of ferromagnetic targets have been carried out in Matlab software. The map of magnetic anomaly enhanced with extracted information was developed in ArcGIS. The analysis was carried out for the purpose of the dissertation thesis and the results are used in further research.
Mapa anomalii magnetycznych obszaru podwodnego wskazuje miejsca, w których występuje zniekształcenie ziemskiego pola magnetycznego. Za pomocą procedur interpretacyjnych hydrograf może łatwo wskazać miejsca, w których znajdują się obiekty ferromagnetyczne, a następnie obliczyć poziom każdego zniekształcenia – według wartości całkowitej anomalii – i na podstawie własnej wiedzy spróbować sklasyfikować źródła zniekształceń. Obiekty, które indukują zniekształcenie pola magnetycznego na obszarach wodnych, mogą być różne. Te wywołujące zmiany pola magnetycznego (anomalia >30 nT) to między innymi infrastruktura przemysłowa, np.: rurociągi i kable, a także nieumyślnie zlokalizowane cele o charakterystyce ferromagnetycznej: wraki (statków, samolotów, samochodów), miny wojskowe, niewybuchy, kotwice i łańcuchy statków. Interpretacja takiej mapy w celu zidentyfikowania źródła zniekształcenia pola magnetycznego wymaga specjalistycznej wiedzy i doświadczenia. Całkowita wartość anomalii magnetycznej określa wielkość poziomu ferromagnetyzmu obiektu, a wymiar powierzchni objętej anomalią umożliwia geolokalizację celu i ustalenie jego wymiarów. W artykule autorzy przedstawiają wyniki badań wymiarowania i lokalizacji potencjalnych ferromagnetycznych podwodnych obiektów na podstawie mapy anomalii magnetycznych. Przeanalizowano anomalię magnetyczną spowodowaną przez kotwicę oznakowania nawigacyjnego. Geolokalizacja źródeł ferromagnetycznych, ekstrakcja ich konturów i algorytmy wymiarowania celów ferromagnetycznych zostały przeprowadzone za pomocą oprogramowania Matlab. Porównano i podsumowano wyniki działania różnych filtrów stosowanych do przetwarzania obrazów. Mapa anomalii magnetycznej wzbogacona o wyodrębnione informacje została opracowana w ArcGIS. Analiza została przeprowadzona na potrzeby pracy doktorskiej, a jej wyniki wykorzystano w dalszych badaniach
Źródło:: Geomatics and Environmental Engineering; 2020, 14, 1; 35-45
1898-1135
Pojawia się w:: Geomatics and Environmental Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Bodus-Olkowska, Izabela" wg kryterium: Wszystkie pola

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język