Wyniki wyszukiwania - BazTech

1

MSCNN-Multi-Sensor Image Fusion Using Dual channel CNN

Trivedi Gargi J., Sanghavi Rajesh

Mathematica Applicanda

|

2023

|

Vol. 51, no. 2

165--182

EN

This paper describes an image fusion approach based on CNNs and DWT. According to the suggested method, First Each inputted image is decomposed into approximation coefficients and detail coefficients using DWT. The second step is to maximize the weights using CNN with detailed coefficients. Third, using maximum weight and max pooling, the combined detail images are produced. Fourth, an average pooling of the approximate coefficients is used to determine the final approximation coefficients. Lastly, Inverse DWT is then used to combine the detail and final approximation images to produce the final fused image. Experiments are carried out on four different fusion datasets. Different Quality checking metrics are used to analyze the data, and the results are then contrasted with more recent and usual fusion techniques. The result substantiates that the suggested technique performs better than the existing fusion methods. It is also appropriate for real-time applications due to the proposed method's reasonable computational time and simple yet efficient implementation.

PL

Artykuł dotyczy wielosensorowych konwolucyjnych sieci neuronowych (MS CNN) do fuzji obrazów w oparciu o konwolucyjne sieci neuronowe (CNN) i dyskretną transformację falkową (DWT). Zgodnie z sugerowaną metodą, najpierw każdy wprowadzony obraz jest rozkładany na współczynniki aproksymacji i współczynniki szczegółowości przy użyciu DWT. Drugim krokiem jest maksymalizacja wag za pomocą CNN ze szczegółowymi współczynnikami. W trzecim etapie, przy użyciu maksymalnej wagi i maksymalnego łączenia, tworzone są połączone szczegółowe obrazy. W czwartym etapie stosuje się średnią sumę przybliżonych współczynników w celu określenia ostatecznych współczynników przybliżenia. Na koniec stosuje się odwrotną DWT do łączenia obrazów szczegółowych i końcowych przybliżeń w celu uzyskania ostatecznego połączonego obrazu. Eksperymenty przeprowadzane są na czterech różnych zbiorach danych. Do analizy danych wykorzystuje się różne wskaźniki kontroli jakości, a następnie wyniki porównuje się z nowszymi i typowymi technikami łączenia. Wynik potwierdza, że sugerowana technika działa lepiej niż istniejące metody aglutynacji. Nadaje się również do zastosowań w czasie rzeczywistym ze względu na rozsądny czas obliczeń proponowanej metody oraz prostą, ale efektywną implementację.

2

CNN application in face recognition

Osowski Stanisław, Siwek Krzysztof

Przegląd Elektrotechniczny

|

2020

|

R. 96, nr 3

142--145

EN

The paper presents application of the convolutional neural network (CNN) in face recognition. The CNN is regarded nowadays as the most efficient tool in image analysis. This technique was applied to recognition of two databases of faces: the own base containing 68 classes of very different variants of face composition (grey images) and 244 classes of color face images represented as RGB images (MUCT data base). This paper will compare different solutions of classifiers applied in CNN, autoencoder and the traditional approach relying on classical feature generation methods and application of support vector machine classifier. The numerical results of experiments performed on the face image database will be presented and discussed.

PL

Praca przedstawia zastosowanie sieci CNN w rozpoznaniu obrazów twarzy. Twarze poddane eksperymentom pochodzą z dwu baz danych. Jedna z nich jest własną bazą zawierającą 68 klas reprezentowanych w postaci obrazów w skali szarości i drugą (MUCT) zawierającą 244 klasy reprezentujące obrazy kolorowe RGB. Zbadano i porównano różne metody rozpoznania obrazów. Jedna z nich polega na zastosowaniu konwolucyjnej sieci neuronowej CNN z dwoma różnymi klasyfikatorami końcowymi (softmax i SVM). Inne głębokie podejście stosuje autoenkoder do generacji cech i SVM jako klasyfikator. Wyniki porównano z klasycznym podejściem wykorzystującym transformację PCA w połączeniu z klasyfikatorem SVM.

3

Face Recognition in Visible and Infra-Red Imagery - Comparison of Methods

Siwek K., Osowski S., Jakubowski J.

Przegląd Elektrotechniczny

|

2015

|

R. 91, nr 7

24-26

EN

The paper is concerned with the recognition of faces represented by the visible and infra-red images. Different methods of image feature generation at application of different classifiers will be studied and compared for both types of face imagery. The investigated approaches include the linear and nonlinear methods of transformation: principal component analysis (PCA), Kernel PCA, Sammon transformation and stochastic neighbor embedding with t-distribution (tSNE). The representation of the image in the form of limited number of main components of transformation is applied to the input of support vector machine classifier and random forest. The numerical results of experiments will be presented and discussed.

PL

Praca przedstawia porównanie metod rozpoznawania twarzy na podstawie dwu rodzajów obrazów: widzialnego oraz w podczerwieni. Zbadano kilka metod przetwarzania obrazu w cechy diagnostyczne: metodę opartą na PCA, nieliniową metodę KPCA, odwzorowanie Sammona oraz transformację stochastyczną tSNE. Każda z tych metod generuje inny zestaw cech diagnostycznych użytych jako atrybuty wejściowe dla klasyfikatora. W pracy zastosowano zespół klasyfikatorów stosujących sieć SVM oraz las losowy Breimana . Przedstawiono wyniki rozpoznania każdego z tych klasyfikatorów współpracujących z odpowiednim zestawem atrybutów wejściowych oraz wynik fuzji poszczególnych rezultatów. Jako jednostkę integrującą zespół zastosowano las drzew losowych. Wyniki pokazują, że zastosowanie wielu metod przetwarzania obrazu w cechy diagnostyczne i równoległego obrazowania twarzy w postaci widzialnej i w podczerwieni pozwala zwiększyć efektywność rozpoznania o około 30%.

4

Rozpoznawanie twarzy dla obrazów widzialnych i podczerwieni z zastosowaniem funkcji transformacji w przestrzeni cech

Szaber M.

Metody Informatyki Stosowanej

|

2008

|

nr 1 (Tom 13)

139-145

PL

W niniejszym artykule zaproponowano funkcję transformacji bazującą na odejmowaniu i dodawaniu odpowiednich zestawów cech.

EN

Face recognition systems based on visual images have reached a significant level of maturity with some practical success, However, the performance of visual face recognition may degrade under poor illumination conditions and in completely darkness. Infrared images represent a viable alternative to visible images in the search for practical face recognition. While contemporary face recognition system are limited to cases when identified and database images belong to the same category. We investigate the face recognition scheme where category of identified face images differs from that stored in face database.