Bees Detection on Images: Study of Different Color Models for Neural Networks - Publikacja - MOST Wiedzy

Wyszukiwarka

Bees Detection on Images: Study of Different Color Models for Neural Networks

Abstrakt

This paper presents an approach to bee detection in video streams using a neural network classifier. We describe the motivation for our research and the methodology of data acquisition. The main contribution to this work is a comparison of different color models used as an input format for a feedforward convolutional architecture applied to bee detection. The detection process has is based on a neural binary classifier that classifies ROI windows in frames taken from video streams to determine whether or not the window contains bees. Due to the type of application, we tested two methods of partitioning data into training and test subsets: video-based (some video for training, the rest for testing) and individual based (some bees for training, the rest for testing). The tournament-based algorithm was implemented to aggregate the results of classification. The manually tagged datasets we used for our experiments have been made publicly available. Based on our analysis of the results, we drew conclusions that the best color models are RGB and 3-channeled color models: RGB and HSV are significantly better than black & white or the H channel from HSV.

Cytowania

  • 3

    CrossRef

  • 0

    Web of Science

  • 1 0

    Scopus

Cytuj jako

Pełna treść

pobierz publikację
pobrano 885 razy
Wersja publikacji
Accepted albo Published Version
Licencja
Copyright (Springer Nature Switzerland AG 2019)

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja monograficzna
Typ:
rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
Tytuł wydania:
Distributed Computing and Internet Technology strony 295 - 308
Język:
angielski
Rok wydania:
2019
Opis bibliograficzny:
Dembski J., Szymański J.: Bees Detection on Images: Study of Different Color Models for Neural Networks// Distributed Computing and Internet Technology/ : , 2019, s.295-308
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-030-05366-6_25
Weryfikacja:
Politechnika Gdańska

wyświetlono 147 razy

Publikacje, które mogą cię zainteresować

Meta Tagi