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 "detekcja obiektów" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    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:
    Improving accuracy of detecting dangerous objects with deep learning
    Poprawa skuteczności wykrycia niebezpiecznych obiektów przy użyciu technik deep learning
    Autorzy:
    Zacniewski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/315763.pdf
    Data publikacji:
    2016
    Wydawca:
    Instytut Naukowo-Wydawniczy "SPATIUM"
    Tematy:
    detecting dangerous objects
    deep learning
    detekcja niebezpiecznych obiektów
    technika deep learning
    Opis:
    In this article, the problem of detecting dangerous objects with deep learning is presented. Convolutional Neural Networks are created with Python language ecosystem (Theano and Keras libraries), and then trained with different number of layers and different parameters. Accuracy of detection dangerous objects for artificial Neural Network with smaller number of layers is computed and obtained result is improved with deep learning. CIFAR-10 dataset is used due to useful classes included.
    W artykule przedstawiono problem detekcji niebezpiecznych obiektów przy użyciu technik deep learning. Konwolucyjne sieci neuronowe tworzone są przy pomocy bibliotek języka Python takich jak Keras i Theano, a następnie trenowane są przy różnej liczbie warstw i z różnymi parametrami. Skuteczność detekcji niebezpiecznych obiektów dla małej liczby warstw sztucznej sieci neuronowej jest obliczana, a uzyskany wynik jest ulepszany przy użyciu technik deep learning. Zbiór danych CIFAR-10 został wykorzystany w badaniach z powodu dużej użyteczności występujących w nim klas.
    Źródło:
    Autobusy : technika, eksploatacja, systemy transportowe; 2016, 17, 12; 513-516
    1509-5878
    2450-7725
    Pojawia się w:
    Autobusy : technika, eksploatacja, systemy transportowe
    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
    Tytuł:
    Soft computing techniques-based digital video forensics for fraud medical anomaly detection
    Autorzy:
    Nanda, Sunpreet Kaur
    Ghai, Deepika
    Ingole, P.V.
    Pande, Sagar
    Powiązania:
    https://bibliotekanauki.pl/articles/38701161.pdf
    Data publikacji:
    2023
    Wydawca:
    Instytut Podstawowych Problemów Techniki PAN
    Tematy:
    smart healthcare system
    medical imaging
    healthcare fraud
    MRI imaging
    digital image forensics
    object detection
    YOLO architecture
    customized CNN
    inteligentny system opieki zdrowotnej
    obrazowanie medyczne
    oszustwo w służbie zdrowia
    obrazowanie MRI
    kryminalistyka obrazu cyfrowego
    detekcja obiektów
    architektura YOLO
    dostosowanie CNN
    Opis:
    The current pandemic situation has made it important for everyone to wear masks. Digital image forensics plays an important role in preventing medical fraud and in object detection. It is helpful in avoiding the high-risk situations related to the health and security of the individuals or the society, including getting the proper evidence for identifying the people who are not wearing masks. A smart system can be developed based on the proposed soft computing technique, which can be helpful to detect precisely and quickly whether a person wears a mask or not and whether he/she is carrying a gun. The proposed method gave 100% accurate results in videos used to test such situations. The system was able to precisely differentiate between those wearing a mask and those not wearing a mask. It also effectively detects guns, which can be used in many applications where security plays an important role, such as the military, banks, etc.
    Źródło:
    Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 111-130
    2299-3649
    Pojawia się w:
    Computer Assisted Methods in Engineering and Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Verification of the image processing system in real conditions
    Weryfikacja systemu przetwarzania obrazu w warunkach rzeczywistych
    Autorzy:
    Wołejsza, Piotr
    Koszelew, Jolanta
    Matuk, Krzysztof
    Świda, Oskar
    Powiązania:
    https://bibliotekanauki.pl/articles/2058442.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu
    Tematy:
    image processing systems
    detection
    classification of objects
    geolocalization of objects
    collision avoidance system
    system przetwarzania obrazów
    detekcja
    klasyfikacja obiektów
    geolokalizacja obiektów
    system unikania kolizji
    Opis:
    AVAL – Autonomous Vessel with an Air Look, is a research project that aims to develop autonomous navigation of ships. The system uses three independent sources of information i.e. radar, AIS – Automatic Identification System and cameras, which can be located on a drone or ship’s superstructure. The article presents the results of testing of an image processing system in real conditions on m/f Wolin.
    AVAL – Autonomous Vessel with a Air Look, to projekt badawczy, którego celem jest opracowanie autonomicznej nawigacji statków. System wykorzystuje trzy niezależne źródła informacji tj. radar, AIS – System Automatycznej Identyfikacji oraz kamery, które mogą być umieszczone na dronie lub nadbudówce statku. W artykule przedstawiono wyniki testowania systemu przetwarzania obrazu w warunkach rzeczywistych na m/f Wolin.
    Źródło:
    Journal of Automation, Electronics and Electrical Engineering; 2021, 3, 1; 33--37
    2658-2058
    2719-2954
    Pojawia się w:
    Journal of Automation, Electronics and Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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