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 "image classifier" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 17
Tytuł:
An Approach to License Plate Recognition in Real Time Using Multi-stage Computational Intelligence Classifier
Autorzy:
Kekez, Michał
Powiązania:
https://bibliotekanauki.pl/articles/27311914.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
car license plates
LPR
ANPR
OCR
image processing
neural network
Random Forest
Opis:
Automatic car license plate recognition (LPR) is widely used nowadays. It involves plate localization in the image, character segmentation and optical character recognition. In this paper, a set of descriptors of image segments (characters) was proposed as well as a technique of multi-stage classification of letters and digits using cascade of neural network and several parallel Random Forest or classification tree or rule list classifiers. The proposed solution was applied to automated recognition of number plates which are composed of capital Latin letters and Arabic numerals. The paper presents an analysis of the accuracy of the obtained classifiers. The time needed to build the classifier and the time needed to classify characters using it are also presented.
Źródło:
International Journal of Electronics and Telecommunications; 2023, 69, 2; 275--280
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimizing ultrasound image classification through transfer learning: fine-tuning strategies and classifier impact on pre-trained inner-layers
Optymalizacja klasyfikacji obrazów ultrasonograficznych techniką transfer learning: strategie dostrajania i wpływ klasyfikatora na wstępnie wytrenowane warstwy wewnętrzne
Autorzy:
Bal-Ghaoui, Mohamed
Alaoui, Hachem El Yousfi
Jilbab, Abdelilah
Bourouhou, Abdennaser
Powiązania:
https://bibliotekanauki.pl/articles/27315459.pdf
Data publikacji:
2023
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
CNN
transfer learning
fine-tuning
SVM
ultrasound images
cancer classification
dostrajanie
obraz ultrasonograficzny
klasyfikacja nowotworów
Opis:
Transfer Learning (TL) is a popular deep learning technique used in medical image analysis, especially when data is limited. It leverages pre-trained knowledge from State-Of-The-Art (SOTA) models and applies it to specific applications through Fine-Tuning (FT). However, fine-tuning large models can be time-consuming, and determining which layers to use can be challenging. This study explores different fine-tuning strategies for five SOTA models (VGG16, VGG19, ResNet50, ResNet101, and InceptionV3) pre-trained on ImageNet. It also investigates the impact of the classifier by usinga linear SVM for classification. The experiments are performed on four open-access ultrasound datasets related to breast cancer, thyroid nodules cancer, and salivary glands cancer. Results are evaluated using a five-fold stratified cross-validation technique, and metrics like accuracy, precision, and recall are computed. The findings show that fine-tuning 15% of the last layers in ResNet50 and InceptionV3 achieves good results. Using SVM for classification further improves overall performance by 6% for the two best-performing models. This research provides insights into fine-tuning strategiesandthe importance of the classifier in transfer learning for ultrasound image classification.
Transfer Learning (TL) to popularna technika głębokiego uczenia stosowana w analizie obrazów medycznych, zwłaszcza gdy ilość danych jestograniczona. Wykorzystuje ona wstępnie wyszkoloną wiedzę z modeli State-Of-The-Art (SOTA) i zastosowanie ich do konkretnych aplikacji poprzez dostrajanie (Fine-Tuning –FT). Jednak dostrajanie dużych modeli może być czasochłonne, a określenie, których warstw użyć, może stanowić wyzwanie.W niniejszym badaniu przeanalizowano różne strategie dostrajania dla pięciu modeli SOTA (VGG16, VGG19, ResNet50, ResNet101 i InceptionV3) wstępnie wytrenowanych na ImageNet. Zbadano również wpływ klasyfikatora przy użyciu liniowej SVM do klasyfikacji. Eksperymenty przeprowadzonona czterech ogólnodostępnych zbiorach danych ultrasonograficznych związanych z rakiem piersi, rakiem guzków tarczycy i rakiemgruczołów ślinowych. Wyniki są oceniane przy użyciu techniki pięciowarstwowej walidacji krzyżowej, a wskaźniki takie jak dokładność, precyzja i odzyskiwanie są obliczane. Wyniki pokazują, że dostrojenie 15% ostatnich warstw w ResNet50 i InceptionV3 osiąga dobre wyniki. Użycie SVM do klasyfikacjidodatkowo poprawia ogólną wydajność o 6% dla dwóch najlepszych modeli. Badania te zapewniają informacje na temat strategii dostrajania i znaczenia klasyfikatoraw uczeniu transferowym dla klasyfikacji obrazów ultrasonograficznych.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 4; 27--33
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
CellProfiler and WEKA Tools: Image Analysis for Fish Erythrocytes Shape and Machine Learning Model Algorithm Accuracy Prediction of Dataset
Autorzy:
Talapatra, Soumendra Nath
Chaudhuri, Rupa
Ghosh, Subhasis
Powiązania:
https://bibliotekanauki.pl/articles/1193348.pdf
Data publikacji:
2021
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Automatic image analysis
CellProfiler tool
Fish erythrocytes quantification
Machine learning algorithm
Model classifier accuracy
Shapes measurement
WEKA tool
Opis:
The first part of the study was detected the number of cells and measurement of shape of cells, cytoplasm, and nuclei in an image of Giemsa-stained of fish peripheral erythrocytes by using CellProfiler (CP, version 2.1.0) tool, an image analysis tool. In the second part, it was evaluated machine learning (ML) algorithm models viz. BayesNet (BN), NaiveBayes (NB), logistic regression (LR), Lazy.KStar (K*), decision tree (DT) J48, Random forest (RF) and Random tree (RT) in the WEKA tool (version 3.8.5) for the prediction of the accuracy of the dataset generated from an image. The CP predicts the numbers and individual cellular area shape (arbitrary unit) of cells, cytoplasm, and nuclei as primary, secondary, and tertiary object data in an image. The performance of model accuracy of studied ML algorithm classifications as per correctly and incorrectly classified instances, the highest values were observed in RF and RT followed by K*, LR, BN and DTJ48 and lowest in NB as per training and testing set of correctly classified instances. In case of performance accuracy of class for K value, the highest values were observed in RF and RT followed by K*, LR, BN and DTJ48 and lowest in NB while lowest values were obtained for mean absolute error (MAE) and root mean squared error (RMSE) in case of RT followed by RF, K*, LR, BN and DTJ48 and comparatively highest value in case of NB as per training and testing set. In conclusion, both tools performed well as an image to the dataset and obtained dataset to rich information through ML modelling and future study in WEKA tool can easily be analysed many biological big data to predict classifier accuracy.
Źródło:
World Scientific News; 2021, 154; 101-116
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bacilli bacterial cell image analysis using active contour segmentation with SVM classifier
Autorzy:
Bannigidad, Parashuram
Powiązania:
https://bibliotekanauki.pl/articles/1062913.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Active contour method
Bacillus
Bacillus subtilis
Bacterial cell image analysis
Cell classification
Cocobacilli
Diplobacilli
Palisades
SVM
Segmentation
Streptobacilli
Opis:
The main aim of the present study is to develop an automatic method to identify and classify the different cell types of bacilli bacterial cells in digital microscopic cell images using active contour method. Snakes, or active contours, are used widely in computer vision and machine learning applications, particularly to locate object boundaries. GLCM, HOG and LBP features are used to identify the arrangement of bacilli bacterial cells, namely, bacillus, cocobacilli, diplobacilli, palisades and streptobacilli using SVM classifier. The current methods rely on the subjective reading of profiles by a human expert based on the various manual staining methods. In this paper, it is proposed a method for bacilli bacterial cell classification by segmenting digital bacterial cell images using active contour model and extracting GLCM, HOG and LBP features. The experimental results proves that, the SVM classifier has yielded an overall accuracy of 97.2% with GLCM features, HOG features has yielded an accuracy of 74.8% and LBP features yielded 91.2% accuracy. The GLCM features with SVM classifier has got good classification results compared to HOG and LBP feature sets for bacilli bacteria cell types.
Źródło:
World Scientific News; 2019, 127, 3; 369-376
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Principal Component Analysis to Boost the Performance of an Automated Fabric Fault Detector and Classifier
Zastosowanie analizy składników dla poprawy działania automatycznego detektora i klasyfikatora błędów płaskich wyrobów włókienniczych
Autorzy:
Eldessouki, M
Hassan, M
Qashqary, K
Shady, E
Powiązania:
https://bibliotekanauki.pl/articles/231790.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
fabric fault detector
image processing
artificial neural networks
principal component analysis
wyroby włókiennicze
defekty materiałów
sztuczne sieci neuronowe
analiza głównych składowych
Opis:
There is a growing need to replace visual fabric inspection with automated systems that detect and classify fabric defects. The digital processing of fabric images utilises different methods that offer a large set of image features. The correlation between those features lead to problems during fabric fault classification and reduces the performance of the classifiers. This work extracted a combination of statistical (spatial) and Fourier transform (spectral) features from fabric images of the most frequent faults. Principal component analysis (PCA) was implemented to reduce the dimensionality of the input feature dataset, which achieved a reduction to 36% of the original data size while preserving 99% of information in the original dataset. The features processed using the PCA were fed to an artificial neural network (ANN) to classify the fault categories and then compared to another ANN that worked with the whole feature dataset. The performance of the network that was implemented after application of the PCA increased to 90% of the correct classification rate as compared to 73.3% for the other network.
Istnieje wzrastająca potrzeba zamiany wizualnej inspekcji płaskich wyrobów włókienniczych automatyzowanymi systemami , które będą w stanie rozpoznać i sklasyfikować defekty materiału. Dla cyfrowej obróbki obrazów tkanin stosuje się różne metody oferujące identyfikacje całego zestawu właściwości obrazu. Korelacja pomiędzy tymi właściwościami prowadzi do problemów podczas identyfikacji i klasyfikacji błędów materiałów i redukuje sprawność klasyfikacji. W pracy wyselekcjonowano kombinacje statystycznych (przestrzennych) i fourierowskch (spektralnych) transformacji pozwalających na wyróżnienie zobrazów materiałów najczęściej występujących błędów. W dalszej części pracy usiłowano zredukować ilość danych wejściowych oraz zastosowano dwa różne systemy sztucznych sieci neuronowych. Wynikiem wszystkich poczynań było zdecydowane zwiększenie skuteczności wykrywania błędów.
Źródło:
Fibres & Textiles in Eastern Europe; 2014, 4 (106); 51-57
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Two Dimensional Wavelet Transform for Classification of Power Quality Disturbances
Autorzy:
Mollayi, N.
Mokhtari, H.
Powiązania:
https://bibliotekanauki.pl/articles/262752.pdf
Data publikacji:
2014
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Tematy:
power quality
event detection and classification
two dimensional wavelet transform
pattern classification
image processing
feature
classifier system
Opis:
Identification of voltage and current disturbances is an important task in power system monitoring and protection. In this paper, the application of two-dimensional wavelet transform for characterization of a wide variety range of power quality disturbances is discussed, and a new algorithm, based on image processing techniques is proposed for this purpose. A matrix is formed based on a specified number of cycles in such a way that the samples of voltage signal in each cycle form one row of that matrix. This matrix can be regarded as a two dimensional image. A two-dimensional wavelet transform is used to decompose the image into approximation and details, which contain low frequency and high frequency components along the rows and columns, respectively. Different disturbances result into different special patterns in detail images. By processing the detail images, specific features are defined which can suitably discriminate various types of disturbances. Combination of the feature generation algorithm and a classifier system leads to a smart system for classification of wide variety range of disturbances.
Źródło:
Electrical Power Quality and Utilisation. Journal; 2014, 17, 2; 1-7
1896-4672
Pojawia się w:
Electrical Power Quality and Utilisation. Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Applying LCS to affective image classification in spatial - frequency domain
Autorzy:
Lee, P. -M.
Hsiao, T.-C.
Powiązania:
https://bibliotekanauki.pl/articles/91808.pdf
Data publikacji:
2014
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
image classification
pattern recognition
Hilbert-Huang transform
HHT
empirical mode decomposition
EMD
Hilbert transform
HT
Extended Classifier Systems
XCSs
Area Under Curve
AUC
Radial-Basis Function Network
RBF Network
LCS
Opis:
Recent studies have utilizes color, texture, and composition information of images to achieve affective image classification. However, the features related to spatial-frequency domain that were proven to be useful for traditional pattern recognition have not been tested in this field yet. Furthermore, the experiments conducted by previous studies are not internationally-comparable due to the experimental paradigm adopted. In addition, contributed by recent advances in methodology, that are, Hilbert-Huang Transform (HHT) (i.e. Empirical Mode Decomposition (EMD) and Hilbert Transform (HT)), the resolution of frequency analysis has been improved. Hence, the goal of this research is to achieve the affective image-classification task by adopting a standard experimental paradigm introduces by psychologists in order to produce international-comparable and reproducible results; and also to explore the affective hidden patterns of images in the spatial-frequency domain. To accomplish these goals, multiple human-subject experiments were conducted in laboratory. Extended Classifier Systems (XCSs) was used for model building because the XCS has been applied to a wide range of classification tasks and proved to be competitive in pattern recognition. To exploit the information in the spatial-frequency domain, the traditional EMD has been extended to a two-dimensional version. To summarize, the model built by using the XCS achieves Area Under Curve (AUC) = 0.91 and accuracy rate over 86%. The result of the XCS was compared with other traditional machine-learning algorithms (e.g., Radial-Basis Function Network (RBF Network)) that are normally used for classification tasks. Contributed by proper selection of features for model building, user-independent findings were obtained. For example, it is found that the horizontal visual stimulations contribute more to the emotion elicitation than the vertical visual stimulation. The effect of hue, saturation, and brightness; is also presented.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 2; 99-123
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Could k-NN classifier be Useful in tree leaves recognition?
Autorzy:
Horaisová, K.
Powiązania:
https://bibliotekanauki.pl/articles/229900.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
binary image
Fourier transform
affine invariance
harmonic analysis
pattern recognition
k-NN classifier
Opis:
This paper presents a method for affine invariant recognition of two-dimensional binary objects based on 2D Fourier power spectrum. Such function is translation invariant and their moments of second order enable construction of affine invariant spectrum except of the rotation effect. Harmonic analysis of samples on circular paths generates Fourier coefficients whose absolute values are affine invariant descriptors. Affine invariancy is approximately saved also for large digital binary images as demonstrated in the experimental part. The proposed method is tested on artificial data set first and consequently on a large set of 2D binary digital images of tree leaves. High dimensionality of feature vectors is reduced via the kernel PCA technique with Gaussian kernel and the k-NN classifier is used for image classification. The results are summarized as k-NN classifier sensitivity after dimensionality reduction. The resulting descriptors after dimensionality reduction are able to distinguish real contours of tree leaves with acceptable classification error. The general methodology is directly applicable to any set of large binary images. All calculations were performed in the MATLAB environment.
Źródło:
Archives of Control Sciences; 2014, 24, 2; 177-192
1230-2384
Pojawia się w:
Archives of Control Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of the image analysis method for the segregation of shredded waste in an air classifier
Wykorzystanie metod analizy obrazu do segregacji odpadów rozdrobnionych w klasyfikatorze pneumatycznym
Autorzy:
Zagaj, I.
Ulbrich, R.
Powiązania:
https://bibliotekanauki.pl/articles/396474.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
segregation
shredded waste
air classifier
image analysis method
segregacja
odpady rozdrobnione
klasyfikator pneumatyczny
metoda analizy obrazu
Opis:
Segregation of shredded waste is one of the technologies of waste management, along with issues related to manual segregation, while nowadays it starts to be associated with pneumatic classification. This paper discusses the use of an air classifier and image analysis techniques for the purposes of evaluation of segregation of shredded waste. This type of air classifier plays an important role due to the efficiency of the device and the characteristics of segregation. The authors report the results of research into image analysis of segregation of shredded waste on the basis of the use of image analysis.
Segregacja odpadów rozdrobnionych jest jedną z technologii gospodarki odpadami, obejmującą zagadnienia związane z segregacją ręczną, która została wzbogacona o klasyfikację pneumatyczną. W niniejszym artykule przedstawiono klasyfikator pneumatyczny oraz możliwości wykorzystania metod analizy obrazu do oceny segregacji odpadów rozdrobnionych. Tego rodzaju klasyfikatory pneumatyczne mają istotne znaczenie ze względu na sprawność urządzenia, a także charakter prowadzenia segregacji. Autorzy przedstawili wyniki badań dotyczących analizy obrazu segregacji odpadów rozdrobnionych w oparciu o wykorzystanie metod analizy obrazu.
Źródło:
Civil and Environmental Engineering Reports; 2014, 13; 97-107
2080-5187
2450-8594
Pojawia się w:
Civil and Environmental Engineering Reports
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Web–based framework for breast cancer classification
Autorzy:
Bruździński, T.
Krzyżak, A.
Fevens, T.
Jeleń, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/91866.pdf
Data publikacji:
2014
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
breast cancer
classification
cytological image
aspiration biopsy
feature vector
classifier
multilayer perceptron
segmentation algorithm
Opis:
The aim of this work is to create a web-based system that will assist its users in the cancer diagnosis process by means of automatic classification of cytological images obtained during fine needle aspiration biopsy. This paper contains a description of the study on the quality of the various algorithms used for the segmentation and classification of breast cancer malignancy. The object of the study is to classify the degree of malignancy of breast cancer cases from fine needle aspiration biopsy images into one of the two classes of malignancy, high or intermediate. For that purpose we have compared 3 segmentation methods: k-means, fuzzy c-means and watershed, and based on these segmentations we have constructed a 25–element feature vector. The feature vector was introduced as an input to 8 classifiers and their accuracy was checked. The results show that the highest classification accuracy of 89.02 % was recorded for the multilayer perceptron. Fuzzy c–means proved to be the most accurate segmentation algorithm, but at the same time it is the most computationally intensive among the three studied segmentation methods.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 2; 149-162
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatyczny klasyfikator rodzaju uszkodzenia amortyzatora samochodowego
Automatic classifier of the kind of car shock absorber damage
Autorzy:
Cempiel, D.
Powiązania:
https://bibliotekanauki.pl/articles/133451.pdf
Data publikacji:
2013
Wydawca:
Polskie Towarzystwo Naukowe Silników Spalinowych
Tematy:
diagnozowanie amortyzatorów
metoda EUSAMA
sieć neuronowa
analiza obrazu
automatyczny diagnosta
klasyfikator
shock absorber diagnosis
EUSAMA method
neural network
image analysis
automatic classifier
Opis:
W artykule przedstawiono analizę wpływu czynników zewnętrznych (dodatkowe obciążenie, zmiany ciśnienia w oponach) na wartość wskaźnika EUSAMA. Jednocześnie zaproponowano automatyczną metodę diagnozowania stanu amortyzatorów przy pomocy analizy obrazów z wykorzystaniem sieci neuronowej oceniającej przebieg wartości wskaźnika EUSAMA w czasie. Na potrzeby pracy przygotowano model matematyczny części zawieszenia wraz ze stanowiskiem badawczym opartym o metodę EUSAMA plus. Zamodelowano układ odzwierciedlający dynamikę jednej czwartej zawieszenia pojazdu. Metoda automatycznego diagnozowania stanu amortyzatorów zakłada poprawność przeprowadzonego badania metodą EUSAMA. Uzyskane wyniki spełniły oczekiwania.
The article presents an analysis of the impact of external factors (extra load, tire pressure changes) on the value of the EUSAMA ratio. A method of automatic diagnosis of shock absorbers is proposed. This method is based on image analysis using a neural network appraising the “EUSAMA plus” ratio in the time domain. For the purpose of this paper a mathematical model of quarter of the car suspension with the test stand based on the method EUSAMA was prepared. The method of automatic diagnosis of shock absorbers assumes the correctness of the EUSAMA test. The results met expectations.
Źródło:
Combustion Engines; 2013, 52, 3; 1069-1075
2300-9896
2658-1442
Pojawia się w:
Combustion Engines
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka generatora prądu stałego oparta na analizie obrazów termowizyjnych z zastosowaniem histogramu obrazu i zmodyfikowanego klasyfikatora opartego na słowach
Dc generator diagnostics based on the analysis of thermal images with the use of image histogram and modified word-based classifier
Autorzy:
Głowacz, A.
Głowacz, Z.
Powiązania:
https://bibliotekanauki.pl/articles/187201.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technik Innowacyjnych EMAG
Tematy:
generatory prądu stałego
analiza obrazów termowizyjnych
dc generators
thermal images analysis
Opis:
Artykuł prezentuje metodę analizy monochromatycznych obrazów termowizyjnych wybranego generatora prądu stałego uzyskanych za pomocą kamery termowizyjnej i oprogramowania komputerowego. Omówiono badania dla dwóch stanów generatora prądu stałego. Do analizy obrazów zostały zastosowane następujące algorytmy: histogram obrazu i zmodyfikowany klasyfikator oparty na słowach. Przy stosowaniu tych algorytmów wyniki rozpoznawania obrazu były bardzo dobre. Uzyskane efekty potwierdzały poprawność proponowanej metody.
The article presents a method for the analysis of monochromatic thermal images of a selected dc generator. The images are obtained with the use of a thermographic camera and software. The tests for two conditions of the dc generator were discussed. The following algorithms were used for the analysis of images: image histogram and modified word-based classifier. The use of these algorithms provided very good recognition of the image. The achieved effects confirmed the accuracy of the proposed method.
Źródło:
Mechanizacja i Automatyzacja Górnictwa; 2013, R. 51, nr 6, 6; 18-23
0208-7448
Pojawia się w:
Mechanizacja i Automatyzacja Górnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Śledzenie obiektów dynamicznych z wykorzystaniem metod inteligencji obliczeniowej - implementacja sprzętowa
Tracking of the moving objects with the use of the computational intelligence techniques - hardware implementation
Autorzy:
Błaszkowski, P.
Grochowski, M.
Powiązania:
https://bibliotekanauki.pl/articles/276242.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
przetwarzanie obrazu
rozpoznawanie twarzy
klasyfikator Haara
detekcja
sztuczne sieci neuronowe
image processing
face recognition
Haar classifier
artificial neural network
Opis:
W artykule przedstawiono platformę sprzętową umożliwiającą detekcję, rozpoznawanie i śledzenie poruszających się obiektów przy wykorzystaniu technik inteligencji obliczeniowej. Projekt obejmuje budowę platformy sprzętowej wyposażonej w kamerę internetową oraz silniki umożliwiające jej ruch. Analiza obrazu odbywa się w komputerze klasy PC, komunikującym się z platformą za pomocą portu szeregowego USB. Jako przykład wykrywanych i śledzonych obiektów dynamicznych wykorzystano ludzkie twarze. Algorytmy obliczeniowe napisano w języku C++. Platforma doskonale integruje środowiska obliczeniowe typu open source, umożliwiając testowanie w praktyce opracowanych algorytmów.
The paper presents the hardware platform for detection, recognition and tracking moving objects with the use of computational intelligence methods. Project includes construction of hardware platform equipped with webcam and motors allowing camera to move. Image analysis is carried out within PC computer that is communicated with the platform by USB serial port. Human faces have served as the examples of objects that were detected, recognized and then tracked. All the computational algorithms were written with C++. The platform skillfully integrates open source computational environments, allowing the testing of designed algorithms in practice.
Źródło:
Pomiary Automatyka Robotyka; 2013, 17, 4; 83-88
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Categorization of Similar Objects Using Bag of Visual Words and k - Nearest Neighbour Classifier
Autorzy:
Artiemjew, P.
Górecki, P.
Sopyła, K.
Powiązania:
https://bibliotekanauki.pl/articles/298103.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Warmińsko-Mazurski w Olsztynie
Tematy:
kategoryzacja obrazu
metoda k najbliższych sąsiadów
zbiór słów wizualnych
Image categorization
k-Nearest Neighbor Classifier
Bag of Visual Words
Opis:
Image categorization is one of the fundamental tasks in computer vision, it has wide application in methods of artificial intelligence, robotic vision and many others. There are a lot of difficulties in computer vision to overcome, one of them appears during image recognition and classification. The difficulty arises from an image variance, which may be caused by scaling, rotation, changes in a perspective, illumination levels, or partial occlusions. Due to these reasons, the main task is to represent represent images in such way that would allow recognizing them even if they have been modified. Bag of Visual Words (BoVW) approach, which allows for describing local characteristic features of images, has recently gained much attention in the computer vision community. In this article we have presented the results of image classification with the use of BoVW and k - Nearest Neighbor classifier with different kinds of metrics and similarity measures. Additionally, the results of k - NN classification are compared with the ones obtained from a Support Vector Machine classifier.
Źródło:
Technical Sciences / University of Warmia and Mazury in Olsztyn; 2012, 15(2); 293-305
1505-4675
2083-4527
Pojawia się w:
Technical Sciences / University of Warmia and Mazury in Olsztyn
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimized image feature selection using pairwise classifiers
Autorzy:
Bazarganigilani, M.
Powiązania:
https://bibliotekanauki.pl/articles/91755.pdf
Data publikacji:
2011
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
content based image retrieval systems
content-based image retrieval (CBIR)
higher feature
classifier
Opis:
In this paper, we introduce an optimized method to improve the accuracy of content based image retrieval systems (CBIR). CBIR systems classify the images according to low and higher features.In our research, we improve both feature selection and classifier partition of a CBIR system. Results show great performance of our proposed algorithm.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2011, 1, 2; 147-153
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 17

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