Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: składowe RGB

Sortuj według:

Ogranicz wyniki do:

Analiza obrazu termowizyjnego uzyskanego w wyniku strumieniowania

Onoszko K., Lis M.

Elektronika : konstrukcje, technologie, zastosowania

2013

Vol. 54, nr 10

63-66

Artykuł opisuje problem zmian kolorystyki obrazów przesyłanych z użyciem strumieni multimedialnych. Analizie zostaje poddany obraz uzyskany z kamery termowizyjnej, na którym znajduje się pasek palety barw. Monitorując zmiany tego fragmentu, zostaje przeprowadzona próba oceny wpływu algorytmu kompresyjnego na jakość odwzorowania barw. W tekście zaproponowany również został sposób na niwelację negatywnego wpływu kompresji.

Article describes the problem changes color images transmitted using multimedia streams. It analyzes the image from the infrared camera, where is a stripe color palette. Observing changes in this passage, is carried out an attempt to assess the impact of compression algorithms on fidelity color. The text has proposed a way to remove the negative effects of compression.

Przetwarzanie graficznych danych empirycznych dla potrzeb edukacji sztucznych sieci neuronowych, modelujących wybrane zagadnienia inżynierii rolniczej

Nowakowski K., Boniecki P., Weres J., Mueller W.

Inżynieria Rolnicza

2007

R. 11, nr 2 (90)

243-248

Wykorzystanie sztucznych sieci neuronowych do odwzorowania wielowymiarowych graficznych zbiorów danych jest nieefektywne a nawet wręcz niemożliwe, co może być spowodowane chociażby niejednorodną reprezentacją wielkości w układzie czy rozmiarem wektora tych wielkości. W takich przypadkach wskazane jest użycie bloku przetwarzania wstępnego tzw. preprocesora. Zaprojektowanie i wytworzenie systemu informatycznego dla tego właśnie celu pozwoliło na transformację danych pierwotnych (zdjęcia fotograficzne) do takiej reprezentacji danych, która będzie odpowiednia dla wykorzystania procesie uczenia sieci neuronowej [Tadeusiewicz i in. 1991].

The use of artificial neural networks for representing multidimensional graphic data sets is ineffective and even not possible, which can be caused for example by heterogeneous representation of the parameter in the system or the size of the vector of these parameters. In such cases it is advisable to use a preprocessing block, the so called preprocessor. Developing and making IT system specifically for this purpose allowed to transform the primary data (photographic pictures) into data representation, to be appropriate for using in the neural network learning process.