Wyniki wyszukiwania - BazTech

1

Optimizing ultrasound image classification through transfer learning: fine-tuning strategies and classifier impact on pre-trained inner-layers

Bal-Ghaoui Mohamed, Alaoui Hachem El Yousfi, Jilbab Abdelilah, Bourouhou Abdennaser

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 4

27--33

EN

Transfer Learning (TL) is a popular deep learning technique used in medical image analysis, especially when data is limited. It leverages pre-trained knowledge from State-Of-The-Art (SOTA) models and applies it to specific applications through Fine-Tuning (FT). However, fine-tuning large models can be time-consuming, and determining which layers to use can be challenging. This study explores different fine-tuning strategies for five SOTA models (VGG16, VGG19, ResNet50, ResNet101, and InceptionV3) pre-trained on ImageNet. It also investigates the impact of the classifier by usinga linear SVM for classification. The experiments are performed on four open-access ultrasound datasets related to breast cancer, thyroid nodules cancer, and salivary glands cancer. Results are evaluated using a five-fold stratified cross-validation technique, and metrics like accuracy, precision, and recall are computed. The findings show that fine-tuning 15% of the last layers in ResNet50 and InceptionV3 achieves good results. Using SVM for classification further improves overall performance by 6% for the two best-performing models. This research provides insights into fine-tuning strategiesandthe importance of the classifier in transfer learning for ultrasound image classification.

PL

Transfer Learning (TL) to popularna technika głębokiego uczenia stosowana w analizie obrazów medycznych, zwłaszcza gdy ilość danych jestograniczona. Wykorzystuje ona wstępnie wyszkoloną wiedzę z modeli State-Of-The-Art (SOTA) i zastosowanie ich do konkretnych aplikacji poprzez dostrajanie (Fine-Tuning –FT). Jednak dostrajanie dużych modeli może być czasochłonne, a określenie, których warstw użyć, może stanowić wyzwanie.W niniejszym badaniu przeanalizowano różne strategie dostrajania dla pięciu modeli SOTA (VGG16, VGG19, ResNet50, ResNet101 i InceptionV3) wstępnie wytrenowanych na ImageNet. Zbadano również wpływ klasyfikatora przy użyciu liniowej SVM do klasyfikacji. Eksperymenty przeprowadzonona czterech ogólnodostępnych zbiorach danych ultrasonograficznych związanych z rakiem piersi, rakiem guzków tarczycy i rakiemgruczołów ślinowych. Wyniki są oceniane przy użyciu techniki pięciowarstwowej walidacji krzyżowej, a wskaźniki takie jak dokładność, precyzja i odzyskiwanie są obliczane. Wyniki pokazują, że dostrojenie 15% ostatnich warstw w ResNet50 i InceptionV3 osiąga dobre wyniki. Użycie SVM do klasyfikacjidodatkowo poprawia ogólną wydajność o 6% dla dwóch najlepszych modeli. Badania te zapewniają informacje na temat strategii dostrajania i znaczenia klasyfikatoraw uczeniu transferowym dla klasyfikacji obrazów ultrasonograficznych.

2

Leveraging Transfer Learning to Identify Food Categories

Kolla J. V. V., Vemula P. Ch., Chakravarthy S., Naidu B. S., Patibandla D.

Advances in Science and Technology. Research Journal

|

2021

|

Vol. 15, no 4

101--109

EN

In today’s scenario, recognition of pictured food dishes automatically has significant importance. During the COVID-19 pandemic, there was a decline in people visiting restaurants for their dietary requirements. So many restaurants started offering their services online. This situation caused a demand for better categorization of food into various categories on a large scale by companies that facilitated these services. It is challenging to congregate a large dataset of food categories, so it is complex to build a generalized architecture. To solve this issue, In this paper, domain-specific transfer learning is used to build the model using some standard architectures like VGGNET, RESNET, and EFFICIENTNET family, which are trained on popular benchmark datasets such as IMAGENET, COCO, etc. The similarity between the source and target datasets is calculated to find the best source dataset, and the one with the highest similarity is chosen for transfer learning. The solution proposed in this paper outperforms some of the existing works on categorizing food items.

3

Dostrajanie modelu ramy z wykorzystaniem algorytmów genetycznych i sieci neuronowych

Ziaja D., Miller B.

Czasopismo Inżynierii Lądowej, Środowiska i Architektury / Journal of Civil Engineering, Environment and Architecture

|

2015

|

z. 62, nr 3/II

517--528

PL

W pracy przedstawiono porównanie wyników dostrajania modelu numerycznego konstrukcji do modelu fizycznego na przykładzie dwupiętrowej ramy. Do dostrajania wykorzystano metodę Trust Region (TR), Algorytmy Genetyczne (AG) i Sztuczne Sieci Neuronowe (SSN). Dostrajanie polegało na identyfikacji sztywności obrotowych węzłów łączących rygle ramy ze słupami oraz słupy z podłożem, w badaniach wykorzystano dane doświadczalne. Analizowano zarówno poprawę odpowiedzi dynamicznej układu na podstawie dopasowania częstotliwości oraz postaci drgań jak i czasochłonność poszczególnych metod.

EN

The paper presents a comparison of the results of updating of numerical model to physical model on the example of two-storey frame. Three methods were applied: Trust Region (TR), Genetic Algorithms (AG) and Artificial Neural Networks (ANN). The parameters being updated were the rotational stiffness of beam-to-column connections and column footings. The updating was performed using only natural frequencies or both natural frequencies and mode shapes.

4

Wykorzystanie elementów kohezyjnych do symulacji rozwoju rozwarstwień w laminatach polimerowych

Czarnocki P., Dobrzański P.

Przegląd Mechaniczny

|

2012

|

nr 6

24-31

PL

W artykule przedstawiono wykorzystanie tzw. elementów kohezyjnych do modelowania rozwoju rozwarstwień w laminatach polimerowych. Elementy kohezyjne są stosunkowo nowym narzędziem komercyjnych programów MES (np. ABAQUS) i wygodnym do numerycznego modelowania propagacji rozwarstwień. Zagadnienie to jest istotne, gdyż rozwarstwienia stanowią jeden z najczęściej spotykanych typów defektów fabrykacyjnych laminatów. Do właściwego scharakteryzowania elementów kohezyjnych konieczna jest znajomość wartości liczbowych wielu parametrów. Zasadniczo powinny być one wyznaczane doświadczalnie, jednak w odniesieniu do większości z nich jest to trudne i zwykle znane są tylko ich przybliżone wartości. W takiej sytuacji może być zastosowana procedura dostrajania modelu numerycznego. Przedstawiono analizę wpływu zmian wartości liczbowych tych parametrów na odpowiedź modelu. Znajomość takich relacji umożliwia racjonalne przeprowadzenie procedury dostrajania. Analizy przeprowadzono w odniesieniu do I i II sposobu pękania. W celu oceny jakości modelu otrzymane wyniki symulacji numerycznych rozwoju delaminacji porównano z wynikami doświadczalnymi.

EN

Until recently, cohesive zone elements (CZE) have been offered by commercial finite element codes, e.g. ABAQUS. CZE are very convenient for simulation of the interlaminar fracture process in polymeric laminates. This is an important issue since delaminations are one of the most common fabrication defects. However, several numerical data are needed to define such elements. In principle, these data should be determined experimentally. Designing and running of majority of the tests needed for this purpose would be difficult. Instead, a numerical model calibration procedure can be applied. To apply it efficiently, it is necessary to know the relation between numerical values of the data defining CZEs and respons of the model they are used in. Description of the relevant numerical tests and their results corresponding to Mode I and Mode II delamination propagations is provided. For verification of the numerical modelling accuracy of delamination propagation process that can be achieved with the calibrated numerical models the comparison of the numerical resultsagainst the experimental ones is provided as well.

5

Rozmyte dostrajanie regulatora PID

Dworak P.

Pomiary Automatyka Kontrola

|

2000

|

R. 46, nr 11

28-32

PL

W artykule omówiono procedury rozmytego dostrajania regulatora PID. Przeznaczone są one do pracy w fazie rozruchu i fazie pracy ustalonej układu regulacji. Obie procedury nie wymagają przeprowadzania czynnych eksperymentów identyfikacyjnych przez co nie pogarszają w czasie swojej pracy jakości regulacji. Procedura rozmytego dostrajania w fazie pracy ustalonej nadaje regulatorowi właściwości regulatora adaptacyjnego. Działanie procedur zilustrowane zostało wybranymi wynikami symulacji komputerowych.

EN

In the paper procedures for a fuzzy-logic based tuning of PID controllers are described. procedures are designed for use during the start-up and steady-state phase of the control system. Both procedures do not require any active identification experiments to be carried out, thanks to which the control peefofmance is not affected. The procedure for the steady-state phase utilizes characteristics of signals slightly deviated from the steady-state. This results in a high noise immunity. Repeatedly used the procedure enables the controller to follow changes occurring in plant properities or control system operation conditions giving the controller properties of an adaptive one. The function of the procedures is illustrated by results of computer simulations.