Temat: object extraction - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Detecting visual objects by edge crawling
Autorzy:: Grycuk, Rafał
Wojciechowski, Adam
Wei, Wei
Siwocha, Agnieszka
Powiązania:: https://bibliotekanauki.pl/articles/1837538.pdf
Data publikacji:: 2020
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:: content-based image retrieval
crawler
edge detection
image descriptor
object extraction
Opis:: Content-based image retrieval methods develop rapidly with a growing scale of image repositories. They are usually based on comparing and indexing some image features. We developed a new algorithm for finding objects in images by traversing their edges. Moreover, we describe the objects by histograms of local features and angles. We use such a description to retrieve similar images fast. We performed extensive experiments on three established image datasets proving the effectiveness of the proposed method.
Źródło:: Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 3; 223-237
2083-2567
2449-6499
Pojawia się w:: Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: An AI & ML based detection & identification in remote imagery: state-of-the-art
Autorzy:: Hashmi, Hina
Dwivedi, Rakesh
Kumar, Anil
Powiązania:: https://bibliotekanauki.pl/articles/2141786.pdf
Data publikacji:: 2021
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: convolutional neural network
remote sensed imagery
object detection
artificial intelligence
feature extraction
deep learning
machine learning
Opis:: Remotely sensed images and their allied areas of application have been the charm for a long time among researchers. Remote imagery has a vast area in which it is serving and achieving milestones. From the past, after the advent of AL, ML, and DL-based computing, remote imagery is related techniques for processing and analyzing are continuously growing and offering countless services like traffic surveillance, earth observation, land surveying, and other agricultural areas. As Artificial intelligence has become the charm of researchers, machine learning and deep learning have been proven as the most commonly used and highly effective techniques for object detection. AI & ML-based object segmentation & detection makes this area hot and fond to the researchers again with the opportunities of enhanced accuracy in the same. Several researchers have been proposed their works in the form of research papers to highlight the effectiveness of using remotely sensed imagery for commercial purposes. In this article, we have discussed the concept of remote imagery with some preprocessing techniques to extract hidden and fruitful information from them. Deep learning techniques applied by various researchers along with object detection, object recognition are also discussed here. This literature survey is also included a chronological review of work done related to detection and recognition using deep learning techniques.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2021, 15, 4; 3-17
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: A proposal of biologically inspired hierarchical approach to object recognition
Autorzy:: Kozik, R.
Powiązania:: https://bibliotekanauki.pl/articles/333962.pdf
Data publikacji:: 2013
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: object recognition
hierarchical model
feature extraction
visual cortex
computer vision
rozpoznawanie obiektów
model hierarchiczny
kora wzrokowa
wizja komputerowa
Opis:: In this article a biologically-inspired algorithm for object recognition is presented. The approach is based on a hierarchical HMAX cortex model that was initially proposed by Riesenhuber and Poggio [12] and later extended by Serre et al [13]. The results show that despite the modification that were undertaken to simplify the HMAX model (in order to make it feasible for a real-time solutions) it is possible to achieve high effectiveness for a one-class detection problems. Moreover, it is also demonstrated how the proposed algorithm can be successfully deployed on a low-cost Android smartphone.
Źródło:: Journal of Medical Informatics & Technologies; 2013, 22; 169-176
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Segmentation-based object-oriented image compression scheme
Schemat obiektowo zorientowanej kompresji obrazów z wykorzystaniem segmentacji
Autorzy:: Baran, R.
Powiązania:: https://bibliotekanauki.pl/articles/156503.pdf
Data publikacji:: 2011
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: obiektowo zorientowana kompresja obrazów
segmentacja obszarowa
ekstrakcja i kompresja konturów
kodowanie transformatowe
object-oriented image coding
region segmentation
contour extraction and compression
transform coding
Opis:: A new object-oriented still image compression scheme, based on a region segmentation technique, is presented in the paper. Segmentation in the proposed scheme is done according to a criterion of pixel intensity (for grayscale images) or criterion of index into the palette of colors (for color images). A high compression ratio of this method is achieved by rejecting the regions of the smallest area (according to a given threshold criterion), and by the coding scheme of applied two-stage algorithm for contour compression. Stages of contour compression and coding refer to the edges of remaining separable and homogeneous regions, which are extracted from an input image during the segmentation process.
W artykule przedstawiono propozycję nowego schematu obiektowo zorientowanej kompresji obrazów realizowanego w oparciu o metodę segmentacji obszarowej. Segmentacja w proponowanym schemacie przeprowadzana jest w oparciu o kryterium poziomu szarości (dla obrazów w skali szarości) lub o kryterium indeksu koloru w palecie barw (dla obrazów kolorowych). Uzyskane w drodze segmentacji jednorodne i homogeniczne obszary są następnie poddawane procedurze SSPCE w celu znalezienia konturów opisujących ich krawędzie brzegowe. Wysoki stopień kompresji obrazu w proponowanej metodzie uzyskiwany jest przede wszystkim w efekcie zastosowania, zaproponowanego również przez autora tej pracy, dwustopniowego schematu kodowania ww. konturów, który łączy w sobie zmodyfikowany algorytm kodowania transformatowego z wygładzającym charakterem wybranej, przestrzennej metody aproksymacji konturów. Dodatkowo, na wartość tego współczynnika wpływa, przeprowadzane we wstępnym etapie, odrzucanie, zgodnie z przyjętym kryterium progowym, obszarów o najmniejszych polach powierzchni.
Źródło:: Pomiary Automatyka Kontrola; 2011, R. 57, nr 1, 1; 94-96
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "object extraction" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język