Temat: image classifier - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: An analog linear SVM image classifier
Autorzy:: Festila, L.
Szolga, L. A.
Groza, R.
Hintea, S.
Cirlugea, M.
Powiązania:: https://bibliotekanauki.pl/articles/385015.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: support vector machine (SVM)
analog multipliers
log-domain th domain
square-root domain
image classifier
Opis:: A linear Support Vector machine classifier is proposed in this paper. In such SVM architectures based on multiplying laws the main building blocks are multipliers. We propose in this paper multiplying and weighting cells, developed by using a model consisting of a compound of two inverse non-linear functions. This procedure is suitable for VLSI implementation because it permits the use of simple nonlinearized standard log-domain or DA cells that compensate each other nonlinearities to obtain an extended domain of operation. Current-mode ELIN (externally linear internally nonlinear) design is used for its low voltage, low power and high speed characteristics. The resulted parallel-serial classifier was simulated taking into account real parameters of transistors in BICMOS technology.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2009, 3, 2; 82-87
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: 2.

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

Zmień widok

na półce

Skocz do pozycji: 3.

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

Zmień widok

na półce

Skocz do pozycji: 4.

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

Zmień widok

na półce

Skocz do pozycji: 5.

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

Zmień widok

na półce

Skocz do pozycji: 6.

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

Zmień widok

na półce

Skocz do pozycji: 7.

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

Zmień widok

na półce

Skocz do pozycji: 8.

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

Zmień widok

na półce

Skocz do pozycji: 9.

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

Zmień widok

na półce

Skocz do pozycji: 10.

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

Zmień widok

na półce

Informacja

Wyszukujesz frazę "image classifier" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język