Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: feature extractor

Sortuj według:

Ogranicz wyniki do:

Multi-feature spatial distribution alignment enhanced domain adaptive method for tool condition monitoring

Hei Zhendong, Sun Bintao, Wang Gaonghai, Lou Yongjian, Yuqing Zhou

Eksploatacja i Niezawodność

2023

Vol. 25, no. 4

art. no. 171750

Transfer learning (TL) has been successfully implemented in tool condition monitoring (TCM) to address the lack of labeled data in real industrial scenarios. In current TL models, the domain offset in the joint distribution of input feature and output label still exists after the feature distribution of the two domains is aligned, resulting in performance degradation. A multiple feature spatial distribution alignment (MSDA) method is proposed, Including Correlation alignment for deep domain adaptation (DeepCORAL) and Joint maximum mean difference (JMMD). Deep CORAL is employed to learn nonlinear transformations, align source and target domains at the feature level through the second-order statistical correlations. JMMD is applied to improve domain alignmentby aligning the joint distribution of input features and output labels. ResNet18 combining with bidirectional short-term memory network and attention mechanism is developed to extract the invariant features. TCM experiments with four transfer tasks were conducted and demonstrated the effectiveness of the proposed method.

Metoda ekstrakcji cech orientowana na sprzętową realizację w zadaniach rozpoznawania obrazów

Kukharev G., Sałuda R., Mikłasz M., Kawka G.

Pomiary Automatyka Kontrola

2009

R. 55, nr 8

563-565

Rozpoznawanie obrazów to zadanie realizowane najczęściej przez skomplikowane i złożone metody. Jednak wykorzystanie zestawu prostych i szybkich metod pozwala na dorównanie skutecznością systemom używającym skomplikowanych podejść. Rozwiązanie to ma dodatkowy plus - łatwość implementacji sprzętowej. W artykule przedstawiono podejście analizujące lokalną symetryczność obrazu, które pomimo swojej prostoty, wykazało się dużą skutecznością. Przeprowadzone eksperymenty pokazały, że omawiana metoda ekstrakcji cech z obrazu może mieć bezpośrednie zastosowanie w systemach rozpoznawania, a jej prostota pozwala na sprzętową realizację. Dodatkową zaletą prezentowanej metody jest jej inwariantność od oświetlenia twarzy. Dzięki temu istnieje możliwość znaczącej poprawy wydajności całego systemu rozpoznawania.

The paper presents the results of investigations concerning face recognition systems based on a simple, fast and efficient feature extractor method. It is based on analysis of the local image symmetry. An additional advantage of the described method is the fact that it is light invariant feature extractor - so it is called LIFE. This benefit (robust on the light conditions) makes it possible to use the method practically as the hardware implementation in real monitoring systems. The idea of LIFE operation is described in Section 2 of the paper. The performed experiments, presented in Section 3 show that LIFE is very efficient in comparison with other simple feature extractor methods - the results of recognition are given in Table 1. In spite of the method simplicity, the proposed approach proved high effectiveness which may be further increased by joining LIFE into a parallel structure with another simple feature extractor (it is described in Section 4). The presented feature extractor enables implementation in hardware system (simplicity and efficiency) such as cameras of the monitoring system. This idea is discussed in the conclusions.

Face recognition using the histogram of the face image

Kukharev G., Kuźmiński A.

Computing, Multimedia and Intelligent Techniques

2005

Vol. 1 nr 1

61-71

In this paper we describe the feature extractor assigned to face recognition systems. The extraction is based on the histogram calculation for face images. With the help of this feature extractor the face recognition becomes very fast and efficient. Moreover, the recognition process can be performed under conditions, where other approaches fail.