Zobrazit minimální záznam
dc.contributor.author |
Škrabánek, Pavel
|
cze |
dc.contributor.author |
Majerík, Filip
|
cze |
dc.date.accessioned |
2017-05-11T10:33:29Z |
|
dc.date.available |
2017-05-11T10:33:29Z |
|
dc.date.issued |
2016 |
eng |
dc.identifier.isbn |
978-80-214-5365-4 |
eng |
dc.identifier.issn |
1803-3814 |
eng |
dc.identifier.uri |
http://hdl.handle.net/10195/67094 |
|
dc.description.abstract |
Grape berry detectors based on SVM and HOG features have proven to be very efficient in detection of white grapes varieties. This statement is based on results, which have been achieved by 10-fold cross-validation, and by evaluation of the detectors on datasets with symmetrical prior probabilities of classes. The detectors have been also tested on real-life images; however, their performance could not be fully assessed in this case. The poor evaluation was caused by sensitivity of some of the used performance measures on composition of datasets. In order to obtain more useful results, all the used biased measures have been modified. The idea behind the modification, as well as the modification itself, is described in this paper. The modified measures have been used by re-evaluation of the detector's performance on a set of real-life images. The set had in fifteen real-life images, which were used within the original tests; however, this set has been extended to about thirty new images. The extended set allows obtaining of more precise information about performance of the detectors on real-life images. The results, which have been achieved by the re-evaluation, confirm expected excellent performance of the detectors on real-life images. |
eng |
dc.format |
p. 217-224 |
eng |
dc.language.iso |
eng |
eng |
dc.publisher |
Vysoké učení technické v Brně |
eng |
dc.relation.ispartof |
Mendel 2016 : 22nd International Conference on Soft Computing |
eng |
dc.rights |
Pouze v rámci univerzity |
eng |
dc.subject |
computer vision, precision viticulture, grape detection, support vector machine, HOG features, binary classification, performance measures, class imbalanced problem |
eng |
dc.title |
Evaluation of performance of grape berry detectors on real-life images |
eng |
dc.title.alternative |
Evaluace detektoru hormonů na celých fotografiích |
cze |
dc.type |
ConferenceObject |
eng |
dc.description.abstract-translated |
Zdá se, že detekce s využitím SVM klasifikátoru v kombinaci s HOG deskriptorem je velmi vhodná pro detekci hroznů bílých odrůd. Na tento fakt poukazují výsledky získané při křížové validaci i při evaluaci na vyvážených datových sadách. Při evaluaci na celých fotografiích však takových výsledků nebylo dosaženo. Důvodem odlišných výsledků je citlivost některých použitých metrik na složení testovací sady. Aby bylo možné plně posoudit vhodnost tohoto typu detektoru, byly původní metriky modifikovány. Podstata modifikace je popsána v tomto článku. Tyto metriky pak byly použity při re-evaluaci detektorů hroznů na sadě reálných fotografií. Za účelem re-evaluace byla vytvořena nová sada třiceti fotografií. Nová sada umožňuje získat přesnější výsledky, než tomu bylo v případě původní sady. Výsledky, které byly získány pře re-evaluaci, potvrzují vhodnost tohoto typu detektoru pro detekci bílých odrůd. |
cze |
dc.event |
Mendel 2016 : 22nd International Conference on Soft Computing (08.06.2016 - 10.06.2016) |
eng |
dc.peerreviewed |
yes |
eng |
dc.publicationstatus |
postprint |
eng |
dc.project.ID |
SGS_2016_017/Pokročilé senzorické systémy a jejich aplikace |
eng |
dc.identifier.scopus |
2-s2.0-85014907243 |
|
dc.identifier.scopus |
2-s2.0-85014907243 |
|
dc.identifier.obd |
39877071 |
eng |
Tento záznam se objevuje v následujících kolekcích
Zobrazit minimální záznam
|
Vyhledávání
Procházet
-
Vše v Digitální knihovně
-
Tato kolekce
Můj účet
|