論文の概要: Coupling innovation method and feasibility analysis of garbage classification

• arxiv url: http://arxiv.org/abs/2102.00193v1
• Date: Sat, 30 Jan 2021 09:15:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-02 18:56:43.272224
• Title: Coupling innovation method and feasibility analysis of garbage classification
• Title（参考訳）: ごみ分類の結合イノベーション手法と実現可能性解析
• Authors: Zizhe Wang, Shaomeng Shen, Jiabei Mu
• Abstract要約: 本稿では,知的ゴミ分類における識別と判断の一連の手法について述べる。 熱原理と非破壊レーザー照射に基づく材料識別、光学回折と位相解析に基づく別の材料識別を含む。 また, 流体としての空気の特性に基づいて, ゴミ缶のリアルタイム空間計測法を提案する。
• 参考スコア（独自算出の注目度）: 0.15469452301122172
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In order to solve the recent defect in garbage classification - including low level of intelligence, low accuracy and high cost of equipment, this paper presents a series of methods in identification and judgment in intelligent garbage classification, including a material identification based on thermal principle and non-destructive laser irradiation, another material identification based on optical diffraction and phase analysis, a profile identification which utilizes a scenery thermal image after PCA and histogram correction, another profile identification which utilizes computer vision with innovated data sets and algorithms. Combining AHP and Bayesian formula, the paper innovates a coupling algorithm which helps to make a comprehensive judgment of the garbage sort, based on the material and profile identification. This paper also proposes a method for real-time space measurement of garbage cans, which based on the characteristics of air as fluid, and analyses the functions of air cleaning and particle disposing. Instead of the single use of garbage image recognition, this paper provides a comprehensive method to judge the garbage sort by material and profile identifications, which greatly enhancing the accuracy and intelligence in garbage classification.
• Abstract（参考訳）: In order to solve the recent defect in garbage classification - including low level of intelligence, low accuracy and high cost of equipment, this paper presents a series of methods in identification and judgment in intelligent garbage classification, including a material identification based on thermal principle and non-destructive laser irradiation, another material identification based on optical diffraction and phase analysis, a profile identification which utilizes a scenery thermal image after PCA and histogram correction, another profile identification which utilizes computer vision with innovated data sets and algorithms. AHPとベイズ式を組み合わせたこの論文は、材料とプロファイルの識別に基づいて、ゴミの選別を包括的に判断するのに役立つ結合アルゴリズムを革新する。 本論文では, 空気を流体として用いたガベージ缶のリアルタイム空間計測法を提案し, 空気清浄と粒子処分の機能を解析する。 本論文では, ゴミ画像認識を単独で使用するのではなく, 材料とプロファイルの識別によって, ゴミの分類の精度と知能を大幅に向上させる包括的な方法を提案する。

関連論文リスト

• Enhancing Post-Hoc Explanation Benchmark Reliability for Image Classification [0.0]
  実証的な評価では、メトリクス、データセット、ポストホックメソッドのベンチマーク信頼性が大幅に向上した。 この先駆的な研究は、ポストホックな説明手法の領域において、より信頼性の高い評価実践の基礎を確立する。
  論文  参考訳（メタデータ） (2023-11-29T18:21:24Z)
• Space Object Identification and Classification from Hyperspectral Material Analysis [0.8825835542704784]
  本稿では,未知空間オブジェクトのハイパースペクトルシグネチャから情報を抽出するためのデータ処理パイプラインを提案する。 本稿では,単一画素画像から空間オブジェクトの物質組成を決定する手法を提案する。 本稿では,空間オブジェクトの識別と分類に関する予備的な結果を示す。
  論文  参考訳（メタデータ） (2023-08-14T22:21:24Z)
• Fingerprint Image-Quality Estimation and its Application to Multialgorithm Verification [56.128200319868526]
  信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。 本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。 定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
  論文  参考訳（メタデータ） (2022-11-24T12:17:49Z)
• New wrapper method based on normalized mutual information for dimension reduction and classification of hyperspectral images [0.0]
  正規化相互情報(NMI)と誤り確率(PE)に基づく新しいラッパー手法を提案する。 NASAのAVIRIS(Airborne Visible/Infrared Imaging Spectrometer Sensor)が捉えた、2つの挑戦的なハイパースペクトルベンチマークデータセットで実験が行われた。
  論文  参考訳（メタデータ） (2022-10-25T21:17:11Z)
• A Continual Learning Framework for Adaptive Defect Classification and Inspection [7.552600549241253]
  機械ビジョンに基づく欠陥分類技術は製造工程における自動品質検査に広く採用されている。 本稿では,不正サンプルの効率的な検査を行い,高ボリュームデータバッチから欠陥を分類する一般的なフレームワークについて述べる。
  論文  参考訳（メタデータ） (2022-03-16T17:57:41Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
  本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。 本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。 このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
  論文  参考訳（メタデータ） (2021-10-13T21:51:56Z)
• Learning Conditional Knowledge Distillation for Degraded-Reference Image Quality Assessment [157.1292674649519]
  劣化参照IQA(DR-IQA)という実用的な解を提案する。 DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。 私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
  論文  参考訳（メタデータ） (2021-08-18T02:35:08Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Recognition Oriented Iris Image Quality Assessment in the Feature Space [40.615018679370685]
  現実のシナリオで撮影された虹彩画像の大部分は、制御されていない環境と非協調的な対象のために品質が劣っている。 従来の因子ベースの手法は、ほとんどの画像を捨て、システムタイムアウトを引き起こし、ユーザーエクスペリエンスを損なう。 アイリス画像の認識指向品質指標と評価法を提案し,その問題に対処する。
  論文  参考訳（メタデータ） (2020-09-01T08:58:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。