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 "learning object" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 18
Tytuł:
Theoretical Concepts, Sources and Technical Background of E-learning
Autorzy:
Kapounová, Jana
Kostolányová, Kateřina
Pavlíček, Jiří
Powiązania:
https://bibliotekanauki.pl/articles/28765724.pdf
Data publikacji:
2006-03-31
Wydawca:
Wydawnictwo Adam Marszałek
Tematy:
Information and Communication Technology (ICT)
programmed learning
teaching machines
courseware
e-learning
Learning Management System (LMS)
learning object
Opis:
The topic Theoretical Concepts, Sources and Technical Background of E-learning is discussed in a project of the Czech Science Foundation. A research team from three Czech universities (University of Ostrava, Charles University in Prague and University of West Bohemia in Pilsen) is working on the project. Its aim is to summarise theoretical concepts, to analyse sources of content, to assess methodological background and to search for technical solutions how to transfer some titles of current courseware into electronic version and to evaluate the efficiency of procedure. The methodology of transformation can help authors of study materials (not only e-learning), they may benefit from old instructional programmes.
Źródło:
The New Educational Review; 2006, 8; 97-106
1732-6729
Pojawia się w:
The New Educational Review
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A novel approach of voterank-based knowledge graph for improvement of multi-attributes influence nodes on social networks
Autorzy:
Pham, Hai Van
Duong, Pham Van
Tran, Dinh Tuan
Lee, Joo-Ho
Powiązania:
https://bibliotekanauki.pl/articles/23944825.pdf
Data publikacji:
2023
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
video surveillance
deep learning
moving object detection
Opis:
Recently, measuring users and community influences on social media networks play significant roles in science and engineering. To address the problems, many researchers have investigated measuring users with these influences by dealing with huge data sets. However, it is hard to enhance the performances of these studies with multiple attributes together with these influences on social networks. This paper has presented a novel model for measuring users with these influences on a social network. In this model, the suggested algorithm combines Knowledge Graph and the learning techniques based on the vote rank mechanism to reflect user interaction activities on the social network. To validate the proposed method, the proposed method has been tested through homogeneous graph with the building knowledge graph based on user interactions together with influences in realtime. Experimental results of the proposed model using six open public data show that the proposed algorithm is an effectiveness in identifying influential nodes.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 3; 165--180
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Moving object detection for complex scenes by merging BG modeling and deep learning method
Autorzy:
Lin, Chih-Yang
Huang, Han-Yi
Lin, Wei-Yang
Ng, Hui-Fuang
Muchtar, Kahlil
Nurdin, Nadhila
Powiązania:
https://bibliotekanauki.pl/articles/23944823.pdf
Data publikacji:
2023
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
video surveillance
deep learning
moving object detection
Opis:
In recent years, many studies have attempted to use deep learning for moving object detection. Some research also combines object detection methods with traditional background modeling. However, this approach may run into some problems with parameter settings and weight imbalances. In order to solve the aforementioned problems, this paper proposes a new way to combine ViBe and Faster-RCNN for moving object detection. To be more specific, our approach is to confine the candidate boxes to only retain the area containing moving objects through traditional background modeling. Furthermore, in order to make the detection able to more accurately filter out the static object, the probability of each region proposal then being retained. In this paper, we compare four famous methods, namely GMM and ViBe for the traditional methods, and DeepBS and SFEN for the deep learning-based methods. The result of the experiment shows that the proposed method has the best overall performance score among all methods. The proposed method is also robust to the dynamic background and environmental changes and is able to separate stationary objects from moving objects. Especially the overall F-measure with the CDNET 2014 dataset (like in the dynamic background and intermittent object motion cases) was 0,8572.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 3; 151--163
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Entwicklung der Informationsstruktur beim Erwerb des Deutschen als frühe Fremdsprache
Autorzy:
Sopata, Aldona
Powiązania:
https://bibliotekanauki.pl/articles/913070.pdf
Data publikacji:
2018-12-07
Wydawca:
Uniwersytet im. Adama Mickiewicza w Poznaniu
Tematy:
pronouns
subject realisation
object realisation
German
acquisition
foreign language learning
Opis:
The article investigates the use of pronouns to express subjects and objects in early acquisition of German as a foreign language. The main goal of the investigation is to shed some light on the process of development of information structure in the minds of young learners of a foreign language. The study investigates longitudinal data from children who were exposed to German in a school setting from the age of 7 or 9. The results of the empirical study show that children acquiring German in a school setting use a relatively high number of pronouns for subjects, but they rarely use pronouns to express objects. The pedagogical implication for developing an optimal outline for foreign language teaching in early childhood is the necessity to pay more attention to the development of pragmatic and discourse skills of children learning a foreign language.
Źródło:
Glottodidactica. An International Journal of Applied Linguistics; 2018, 45, 2; 285-298
0072-4769
Pojawia się w:
Glottodidactica. An International Journal of Applied Linguistics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Content Repository in Object Oriented data model
Autorzy:
Dobrowolski, D.
Chromiak, M.
Powiązania:
https://bibliotekanauki.pl/articles/106182.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Tematy:
content repository
e-learning
classification of e-learning content
standards
content management
prospective object-oriented database
Opis:
The need for creating content repository stores for e-learning systems grows as the number of available materials increases. Moreover, along with the number of courses, the problem of describing them in a unified form appears. While there are standards used for strict classification of e-learning content, the store model still seems to be based on preservative relational databases approach. In this paper we introduce an idea to represent the e-learning content management information in the well organized object-oriented form based on a prospective object-oriented database.
Źródło:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica; 2013, 13, 1; 17-27
1732-1360
2083-3628
Pojawia się w:
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Tytuł:
Systematic analysis and review of video object retrieval techniques
Autorzy:
Ghuge, C. A.
Prakash, V. Chandra
Ruikar, Sachin D.
Powiązania:
https://bibliotekanauki.pl/articles/2050246.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
video object retrieval
computer vision
deep learning
fuzzy-based techniques
machine learning
query-based techniques
graph-based techniques
Opis:
Video object retrieval is a promising research direction, developing in the recent years, and the current video object retrieval strategies are used for visualizing, digitizing, modeling, and retrieving the objects especially in graphics and in architectural design. The research performed led to the design of proficient video object retrieval techniques. Yet, although, a number of algorithms had been devised for tracking objects, the problems persist in enhancing the performance, for instance – with regard to non-rigid objects. In this review article we provide a detailed survey of 50 research papers presenting the suggested video object retrieval methodologies, based on approaches such as deep learning techniques, graph-based techniques, query-based techniques, feature-based techniques, fuzzybased techniques, machine learning-based techniques, distance metric learning-based technique, and also other ones. Moreover, analysis and discussion are presented concerning the year of publication, employed methodology, evaluation metrics, accuracy range, adopted framework, datasets utilized, and the implementation tool. Finally, the research gaps and issues related to various proposed video object retrieval schemes are presented for guiding the researchers towards improved contributions to the video object retrieval methods.
Źródło:
Control and Cybernetics; 2020, 49, 4; 471-498
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Nadzorowana detekcja tras komunikacyjnych z wykorzystaniem metod uczenia maszynowego
Supervised road detection using machine learning methodology
Autorzy:
Krawiec, K.
Wyczałek, I.
Powiązania:
https://bibliotekanauki.pl/articles/130320.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
detekcja
klasyfikacja
uczenie się z przykładów
uczenie nadzorowane
object detection
satellite imagery
aerial imagery
classification
learning from examples
supervised learning
Opis:
W pracy opisujemy nową metodę wykrywania drogowych tras komunikacyjnych na zobrazowaniu lotniczym lub satelitarnym. Proponowana metoda ma charakter strukturalny i bazuje na koncepcji profilu, rozumianego jako lokalny jednowymiarowy przekrój (rzut) obrazu. Tak rozumiane profile podlegają analizie poprzez ekstrakcję z nich cech zorientowanych na dyskryminowanie punktów reprezentujących drogi od punktów reprezentujących inne obiekty widoczne w obrazie. Cechy analizowane w proponowanej metodzie dobrane zostały do charakterystyki szlaków komunikacyjnych (głównie podłużny kształt); należą do nich m.in. wzajemne podobieństwo blisko zlokalizowanych profili o tej samej orientacji (ciągłość) oraz symetria. Dla polepszenia precyzji, profile obliczane są z wykorzystaniem próbkowania podpunktowego (sub-pixel sampling). W dalszych etapach przetwarzania metoda wykorzystuje algorytmy uczenia maszynowego (machine learning), w szczególności nadzorowane uczenie się z przykładów. Algorytm uczący się z przykładów dysponuje uczącą próbką pikseli, dla których przynależność do klas decyzyjnych (droga, nie-droga) jest znana. Informacja ta może być wprowadzona przez decydenta (eksperta) poprzez zaznaczenie wybranego obszaru obrazu reprezentującego szlak komunikacyjny, lub pochodzić z odpowiedniego modułu systemu informacji przestrzennej. Algorytm uczenia maszynowego pozyskuje wiedzę ze zbioru uczącego w procesie uczenia indukcyjnego. Wiedza ta jest następnie stosowana do klasyfikowania pozostałych punktów obrazu, dla których informacja ucząca nie jest znana. Ponadto, ponieważ wiedza ta jest wyrażona w dogodnej postaci drzewa decyzyjnego, może być poddana analizie przez eksperta (i potencjalnie skorygowana). Poza prezentacją metody praca zawiera opis jej implementacji komputerowej oraz eksperymentu obliczeniowego przeprowadzonego na rzeczywistym zdjęciu lotniczym terenu zabudowanego. Otrzymane wyniki dowodzą skuteczności proponowanego algorytmu i wskazują na użyteczność podejścia wykorzystującego uczenie maszynowe do analizy zdjęć lotniczych i obrazów satelitarnych.
This paper presents a novel method of road detection in aerial and satellite imaging. This structural method is based on the concept of profile, meant as a local one-dimensional cross-section (cast) of raster image. We acquire such profiles from the image at different orientation angles and extract from them features well discriminating road pixels from non-road pixels. In particular, we use feature definitions tailored to road characteristics (mostly elongation); these include, among others, mutual similarity of close and equally orientated profiles (road continuity) and symmetry. To improve the precision of analysis, the method computes profiles using sub-pixel sampling. The further part of processing relies on machine learning, in particular, on supervised learning from examples. The algorithm is given a training sample of pixels, for which the decision class assignment (road, non-road) is known. This information may be manually entered by a decision maker (expert) by marking image regions representing road fragments, or alternatively, it may be retrieved from an appropriate module of a geographical information system. Given that information, the algorithm acquires the knowledge from training examples, performing so-called “inductive” learning. That knowledge may be then used to classify the remaining image pixels, for which the decision class assignment is not known. Moreover, the knowledge may be inspected (and potentially corrected) by the decision maker, as it is expressed in a readable form of a decision tree. The paper presents the algorithm in detail, describes its computer implementation, and demonstrates its application to an aerial image of urban area. The obtained results demonstrate the good performance of the method and indicate the usefulness of machine learning approach in analysis of aerial and satellite imagery.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 361-371
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep Learning for Small and Tiny Object Detection: A Survey
Przegląd metod uczenia głębokiego w wykrywaniu małych i bardzo małych obiektów
Autorzy:
Kos, Aleksandra
Belter, Dominik
Majek, Karol
Powiązania:
https://bibliotekanauki.pl/articles/27312454.pdf
Data publikacji:
2023
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
Deep Learning
Small Object Detection
Tiny Object Detection
Tiny Object Detection Datasets
Tiny Object Detection Methods
uczenie głębokie
wykrywanie małych obiektów
wykrywanie bardzo małych obiektów
zbiory danych bardzo małych obiektów
metody wykrywania bardzo małych obiektów
Opis:
In recent years, thanks to the development of Deep Learning methods, there has been significant progress in object detection and other computer vision tasks. While generic object detection is becoming less of an issue for modern algorithms, with the Average Precision for medium and large objects in the COCO dataset approaching 70 and 80 percent, respectively, small object detection still remains an unsolved problem. Limited appearance information, blurring, and low signal-to-noise ratio cause state-of-the-art general detectors to fail when applied to small objects. Traditional feature extractors rely on downsampling, which can cause the smallest objects to disappear, and standard anchor assignment methods have proven to be less effective when used to detect low-pixel instances. In this work, we perform an exhaustive review of the literature related to small and tiny object detection. We aggregate the definitions of small and tiny objects, distinguish between small absolute and small relative sizes, and highlight their challenges. We comprehensively discuss datasets, metrics, and methods dedicated to small and tiny objects, and finally, we make a quantitative comparison on three publicly available datasets.
W ostatnich latach, dzięki rozwojowi metod uczenia głębokiego, dokonano znacznego postępu w detekcji obiektów i innych zadaniach widzenia maszynowego. Mimo że ogólne wykrywanie obiektów staje się coraz mniej problematyczne dla nowoczesnych algorytmów, a średnia precyzja dla średnich i dużych instancji w zbiorze COCO zbliża się odpowiednio do 70 i 80 procent, wykrywanie małych obiektów pozostaje nierozwiązanym problemem. Ograniczone informacje o wyglądzie, rozmycia i niski stosunek sygnału do szumu powodują, że najnowocześniejsze detektory zawodzą, gdy są stosowane do małych obiektów. Tradycyjne ekstraktory cech opierają się na próbkowaniu w dół, które może powodować zanikanie najmniejszych obiektów, a standardowe metody przypisania kotwic są mniej skuteczne w wykrywaniu instancji o małej liczbie pikseli. W niniejszej pracy dokonujemy wyczerpującego przeglądu literatury dotyczącej wykrywania małych i bardzo małych obiektów. Przedstawiamy definicje, rozróżniamy małe wymiary bezwzględne i względne oraz podkreślamy związane z nimi wyzwania. Kompleksowo omawiamy zbiory danych, metryki i metody, a na koniec dokonujemy porównania ilościowego na trzech publicznie dostępnych zbiorach danych.
Źródło:
Pomiary Automatyka Robotyka; 2023, 27, 3; 85--94
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Formation of a linguistic competence of pre-school children in the language learning developmental environment
Autorzy:
Spiridonova, Anna
Powiązania:
https://bibliotekanauki.pl/articles/443127.pdf
Data publikacji:
2011
Wydawca:
ADVSEO
Tematy:
EARLY LANGUAGE TEACHING
LINGUISTIC COMPETENCE
ENVIRONMENTAL APPROACH
LANGUAGE LEARNING DEVELOPMENT ENVIRONMENT (LLDE)
OBJECT ORIENTATED ACTIVITY
Opis:
The problem of early language education is discussed in the paper. The components of the linguistic competence of pre-school children are described. Definitions of such concepts as the environmental approach and the Language Learning Developmental Environment (LLDE) are given. The article also focuses on the LLDE components illustrating theoretical data with practical examples. The most efficient means of early language learning and of forming the linguistic competence of pre-school children are analyzed.
Źródło:
General and Professional Education; 2011, 3; 41-51
2084-1469
Pojawia się w:
General and Professional Education
Dostawca treści:
Biblioteka Nauki
Artykuł
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:
Analiza sceny przy użyciu głębokich sieci neuronowych typu YOLO
Scene analysis using YOLO neural network
Autorzy:
Mikołajczyk, Mateusz
Kwasigroch, Arkadiusz
Grochowski, Michał
Powiązania:
https://bibliotekanauki.pl/articles/267008.pdf
Data publikacji:
2019
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
sztuczne sieci neuronowe
detekcja obiektów
przetwarzanie obrazu
uczenie głębokie
artificial neural networks
object detection
image processing
deep learning
Opis:
W artykule opisany został problem analizy sceny na obrazach oraz sekwencjach video. Zadanie analizy sceny polega na detekcji, lokalizacji i klasyfikacji obiektów znajdujących się na obrazach. Zaimplementowany system wykorzystuje głęboką sieć neuronową, której struktura oparta została na architekturze YOLO (You Only Look Once). Niskie zapotrzebowania obliczeniowe wybranej architektury pozwala na wykonywanie detekcji w czasie rzeczywistym z zadowalającą dokładnością. W pracy przeprowadzono również badania nad doborem odpowiedniego optymalizatora wykorzystywanego w procesie uczenia. Jako przykładową aplikację wybrano analizę ruchu ulicznego w której skład wchodzi wykrywanie i lokalizacja obiektów takich jak m.in. samochody, motocykle czy sygnalizacja świetlna. Systemy tego typu mogą być wykorzystywane w wszelkiego typu systemach analizy wizyjnej otoczenia np. w pojazdach autonomicznych, systemach automatycznej analizy video z kamer przemysłowych, systemach dozoru czy analizy zdjęć satelitarnych.
The paper describes the problem of scene analysis in images and video sequences. The task of scene analysis is to detect, locate and classify objects in images. As an example of an application, traffic analysis was chosen, which includes the detection and location of objects such as cars, motorcycles or traffic lights. The implemented system uses a deep neural network, whose structure is based on the YOLO (You Only Look Once) architecture. Low computing requirements of the chosen architecture allows performing real-time detection with satisfactory accuracy. The work also included a study on the selection of an appropriate optimizer used in the learning process. The program correctly detects objects with a large surface area, allowing the system to be used in traffic analysis. The work also showed that using the ADAM algorithm allowed significantly shorten the training time of the neural network. Systems of this type can be used in many types of video analysis systems such as autonomous vehicles, automatic video analysis systems with CCTV cameras, surveillance systems or satellite image analysis.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2019, 68; 37-40
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Utilizing relevant RGB-D data to help recognize RGB images in the target domain
Autorzy:
Gao, Depeng
Liu, Jiafeng
Wu, Rui
Cheng, Dansong
Fan, Xiaopeng
Tang, Xianglong
Powiązania:
https://bibliotekanauki.pl/articles/329725.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
object recognition
RGB-D image
transfer learning
privileged information
rozpoznawanie obiektu
obraz RGB-D
uczenie maszynowe
informacja poufna
Opis:
With the advent of 3D cameras, getting depth information along with RGB images has been facilitated, which is helpful in various computer vision tasks. However, there are two challenges in using these RGB-D images to help recognize RGB images captured by conventional cameras: one is that the depth images are missing at the testing stage, the other is that the training and test data are drawn from different distributions as they are captured using different equipment. To jointly address the two challenges, we propose an asymmetrical transfer learning framework, wherein three classifiers are trained using the RGB and depth images in the source domain and RGB images in the target domain with a structural risk minimization criterion and regularization theory. A cross-modality co-regularizer is used to restrict the two-source classifier in a consistent manner to increase accuracy. Moreover, an L2,1 norm cross-domain co-regularizer is used to magnify significant visual features and inhibit insignificant ones in the weight vectors of the two RGB classifiers. Thus, using the cross-modality and cross-domain co-regularizer, the knowledge of RGB-D images in the source domain is transferred to the target domain to improve the target classifier. The results of the experiment show that the proposed method is one of the most effective ones.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 611-621
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Syntactic and pragmatic aspects of object clitic production in Polish learners of L2 Italian
Autorzy:
Tedeschi, Roberta
Powiązania:
https://bibliotekanauki.pl/articles/571952.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Warszawski. Wydział Neofilologii
Tematy:
Italian clitic pronouns, object clitic pronouns, Polish clitic pronouns, context clitic left dislocation, CLLD, Italian language learning, Polish-Italian comparison
Opis:
This paper presents the results of a new study investigating object clitic production by Polish learners of L2 Italian in different syntactic environments. Object clitic pronouns have different distributional properties in Italian and Polish. Additionally, Polish is less restrictive than Italian in allowing object drop in pragmatically felicitous contexts. New findings indicate the presence of object clitic omissions in language production, especially in the context of clitic left dislocation (CLLD). It is proposed that Italian CLLD constructions are particularly demanding for Polish learners, since both syntactic and discourse-pragmatic requirements support clitic omission in their native language.
Niniejszy artykuł przedstawia wyniki pracy badawczej poświęconej produkcji zaimków klitycznych w funkcji dopełnienia przez osoby uczące się języka włoskiego jako drugiego języka (L2). Zaimki klityczne w tych dwóch językach nie zawsze występują na tym samym miejscu w zdaniach. Ponadto w języku polskim dopełnienia domyślne są bardziej dopuszczalne. Najnowsze wyniki wskazują na występowanie pominięcia zaimków litycznych w funkcji dopełnienia w produkcji językowej, zwłaszcza w kontekście przesunięcia dopełnienia w lewo (Clitic Left Dislocation, CLLD). Ponadto sugerują, ze konstrukcje CLLD stanowią szczególne wyzwanie dla polskojęzycznych osób uczących się języka włoskiego, gdyż wymogi syntaktyczne i pragmatyczne wspierają pominięcie zaimków klitycznych w języku polskim.
Źródło:
Acta Philologica; 2016, 48; 87-96
0065-1524
Pojawia się w:
Acta Philologica
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
Wyświetlanie 1-15 z 18

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