論文の概要: Compresion y analisis de imagenes por medio de algoritmos para la
ganaderia de precision
- arxiv url: http://arxiv.org/abs/2111.11854v1
- Date: Fri, 19 Nov 2021 16:27:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-26 10:39:05.741703
- Title: Compresion y analisis de imagenes por medio de algoritmos para la
ganaderia de precision
- Title(参考訳): アルゴリトモス・パラ・ガナデリアの精度に関する比較研究
- Authors: David Agudelo Tapias, Simon Marin Giraldo y Mauricio Toro Bermudez
- Abstract要約: 動物が健康かどうか、すなわち、牛の選抜の過程で適切な状態にあるか、病気であるかどうかを判断し、廃棄されているかどうかを知る必要がある。
これらすべては圧縮のアルゴリズムによって行われており、画像を取得してコード内のそれらを検査することができる。
提案アルゴリズムはNNとバイリニアであり,実行速度において有意な結果が得られた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The problem that we want to solve in this project of the subject of Data
Structures and Algorithms, is to decipher some images, which have in them
animals, being more specific, bovine animals; in which it is necessary to
identify if the animal is healthy, that is to say, if it is in good conditions
to be taken into account in the process of selection of the cattle, or if it is
sick, to know if it is discarded. All this by means of an algorithm of
compression, which allows to take the images and to take them to an examination
of these in the code, where not always the results are going to be one hundred
percent exact, but what allows this code to be efficient, is that it works with
machine learning, which means that the more information it takes, the more
precise the results are going to be without bringing with it general
affectations. The proposed algorithms are NN and bilinear interpolation, where
significant results were obtained on the execution speed. It is concluded that
a better job could have been done, but with what was delivered, it is believed
that it is a good result of the work.
- Abstract(参考訳): このデータ構造とアルゴリズムのプロジェクトにおいて、私たちが解決したい問題は、それらの動物に有するいくつかの画像を解読することであり、より具体的にはウシ動物である。つまり、動物が健康であるかどうかを識別する必要がある。
これらすべてを圧縮のアルゴリズムで処理することで、画像を取得してコード内のこれらを検査することが可能になる。結果が100%正確であるとは限らないが、このコードが効率的であることは、機械学習が有効であることであり、より多くの情報が得られればなるほど、結果が一般的な愛情を伴わずに正確になることを意味する。
提案アルゴリズムはNNと双線形補間であり,実行速度において有意な結果が得られた。
より良い仕事はできたかもしれないと結論づけるが、納品されたことで、それはその仕事のよい結果であると信じられている。
関連論文リスト
- NP-SemiSeg: When Neural Processes meet Semi-Supervised Semantic
Segmentation [87.50830107535533]
半教師付きセマンティックセグメンテーションでは、トレーニング時にピクセルワイズラベルをラベル付けされていない画像に割り当てる。
モデルによるクラスワイズ確率分布から各画素の擬似ラベルを予測し,半教師付きセマンティックセマンティックセマンティクスへのアプローチ
本研究では,NPを半教師付きセマンティックセグメンテーションに適応させることにより一歩前進し,NP-SemiSegと呼ばれる新しいモデルを実現する。
論文 参考訳(メタデータ) (2023-08-05T12:42:15Z) - Predictive Coding beyond Correlations [59.47245250412873]
このようなアルゴリズムのうちの1つは、予測符号化と呼ばれ、因果推論タスクを実行することができるかを示す。
まず、予測符号化の推論過程における簡単な変化が、因果グラフを再利用したり再定義したりすることなく、介入を計算できることを示す。
論文 参考訳(メタデータ) (2023-06-27T13:57:16Z) - Chili Pepper Disease Diagnosis via Image Reconstruction Using GrabCut
and Generative Adversarial Serial Autoencoder [0.0]
疾患診断は異常検出の分野に属し、植物または果実が正常であるか異常であるかを識別することを目的としている。
画像生成性能の限界により、SOTAの手法は潜在ベクトル誤差を用いたスコア計算法を提案する。
本稿では,GAN構造を用いて有意義な画像を生成する手法を提案し,その3つの結果を1つの判別器で同時に分類する。
論文 参考訳(メタデータ) (2023-06-21T06:58:46Z) - Medical Image Deidentification, Cleaning and Compression Using Pylogik [4.515386176265859]
PyLogikは、医療画像メタデータのクリーニング、非識別、ROIの決定、ファイル圧縮のためのライブラリである。
結果は、PyLogikがデータのクリーニングと非識別、ROIの決定、ファイル圧縮のための実行可能な方法論であることを示している。
パイプラインの変数は、他の医療画像データタイプで使用するためにも作成されている。
論文 参考訳(メタデータ) (2023-04-20T21:23:14Z) - What can we learn about a generated image corrupting its latent
representation? [57.1841740328509]
GANのボトルネックにおける潜在表現に基づいて画像品質を予測できるという仮説を考察する。
遅延表現を雑音で破壊し、複数の出力を生成することでこれを実現できる。
論文 参考訳(メタデータ) (2022-10-12T14:40:32Z) - Compactness Score: A Fast Filter Method for Unsupervised Feature
Selection [66.84571085643928]
本稿では,CSUFS (Compactness Score) と呼ばれる高速な教師なし特徴選択手法を提案する。
提案アルゴリズムは既存のアルゴリズムよりも正確で効率的である。
論文 参考訳(メタデータ) (2022-01-31T13:01:37Z) - Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。
画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。
提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
論文 参考訳(メタデータ) (2021-10-29T16:51:16Z) - Deep ensembles based on Stochastic Activation Selection for Polyp
Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。
イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。
我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文 参考訳(メタデータ) (2021-04-02T02:07:37Z) - Automatic Liver Segmentation from CT Images Using Deep Learning
Algorithms: A Comparative Study [0.0]
本稿では,Liverセグメンテーションのための最も効率的なDLアーキテクチャを提案する。
完全自動肝セグメンテーションのための最も効率的かつ正確なDLアーキテクチャを明らかにすることを目的としている。
その結果,DLアルゴリズムはDICOM画像からの臓器分割を高精度に自動化できることが判明した。
論文 参考訳(メタデータ) (2021-01-25T10:05:46Z) - Semi-supervised Sparse Representation with Graph Regularization for
Image Classification [1.370633147306388]
画像分類のための識別半教師付きスパース表現アルゴリズムを提案する。
提案アルゴリズムは,関連する一般的な手法と比較して優れた性能を示す。
論文 参考訳(メタデータ) (2020-11-11T09:16:48Z) - Panoptic Instance Segmentation on Pigs [0.860255319568951]
この研究は、比較的新しい汎視的セグメンテーションの定義に従い、個々のブタのピクセル正確なセグメンテーションを目指している。
セマンティックセグメンテーションのためのニューラルネットワークのフレームワーク、異なるネットワークヘッド、および後処理方法を示す。
本手法は,1000枚の手書き画像からなる特殊なデータセットを用いてテストし,約95%の精度で検出を行う。
論文 参考訳(メタデータ) (2020-05-21T07:36:03Z)
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。