Zobrazit minimální záznam
dc.contributor.author |
Škrabánek, Pavel
|
cze |
dc.contributor.author |
Doležel, Petr
|
cze |
dc.date.accessioned |
2017-09-19T11:57:59Z |
|
dc.date.available |
2017-09-19T11:57:59Z |
|
dc.date.issued |
2017 |
eng |
dc.identifier.issn |
1687-5265 |
eng |
dc.identifier.uri |
http://hdl.handle.net/10195/69545 |
|
dc.description.abstract |
Detection of grapes in real-life images is a serious task solved by researchers dealing with precision viticulture. In the case of white wine varieties, grape detectors based on SVMs classifiers, in combination with a HOG descriptor, have proven to be very efficient. Simplified versions of the detectors seem to be the best solution for practical applications. They offer the best known performance vs. time-complexity ratio. As our research showed, a conversion of RGB images to grayscale format, which is implemented at an image pre-processing level, is ideal means for further improvement of performance of the detectors. In order to enhance the ratio, we explored relevance of the conversion in a context of a detector potential sensitivity to a rotation of berries. For this purpose, we proposed a modification of the conversion, and we designed an appropriate method for a tuning of such modified detectors. To evaluate the effect of the new parameter space on their performance, we developed a specialized visualization method. In order to provide accurate results, we formed new datasets both for tuning and evaluation of the detectors. Our effort resulted in a robust grape detector which is less sensitive to image distortion. |
eng |
dc.format |
p. 1-17 |
eng |
dc.language.iso |
eng |
eng |
dc.relation.ispartof |
Computational Intelligence and Neuroscience, volume 2017, issue: 18 May 2017 |
eng |
dc.rights |
open access |
eng |
dc.subject |
computer vision, image recognition, conversion to grayscale, HOG features, SVM classifier, agricultural machinery |
eng |
dc.subject |
počítačové vidění, rozpoznání obrazu, převod do stupnice šedi, HOG příznaky, SVM klasifikátor, zemědělská technika |
cze |
dc.title |
Robust Grape Detector Based on SVMs and HOG Features |
eng |
dc.title.alternative |
Robustní detektor hroznů založený na SVMs a HOG příznacích |
cze |
dc.type |
article |
eng |
dc.description.abstract-translated |
Detekce hroznů v reálném obraze je významný problém, který je řešen mnoha výzkumníky v oblasti precizního vinohradnictví. V případě detekce hroznů bílých odrůd se osvědčilo použití HOG descriptorů v kombinaci s SVMs klasifikátory. Detektory založené na těchto technikách vykazují skvělí poměr časová náročnost vs. přesnost. Jak je ukázáno v tomto článku, jejich přesnost lze ještě zvýšit vhodným předzpracováním vstupních dat. Za tímto účelem jsme zkoumali možnosti, které nabízí konverze vstupních dat z RGB modelu do stupnice šedi. S ohledem na zvolenou metodu konverze jsme navrhly novou techniku nastavení parametrů detektoru. Tato technika očekává aktivní zapojení experta. K posouzení vhodnosti nastavení metody konverze jsme vyvinuly novou vizualizační metodu. Pro potřeby evaluace a nastavení parametrů jsme vytvořili nové datové sady. Jak ukazují získané výsledky, takto upravený a nastavený detektor je méně citlivý na případné zkreslení obrazu. |
cze |
dc.peerreviewed |
yes |
eng |
dc.publicationstatus |
published |
eng |
dc.identifier.doi |
10.1155/2017/3478602 |
eng |
dc.identifier.wos |
000402326000001 |
|
dc.identifier.obd |
39878832 |
eng |
Tento záznam se objevuje v následujících kolekcích
Zobrazit minimální záznam
|
Vyhledávání
Procházet
-
Vše v Digitální knihovně
-
Tato kolekce
Můj účet
|