IMMI: Interactive Segmentation Toolkit

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F13%3APU104757" target="_blank" >RIV/00216305:26220/13:PU104757 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-41013-0_39" target="_blank" >http://dx.doi.org/10.1007/978-3-642-41013-0_39</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-41013-0_39" target="_blank" >10.1007/978-3-642-41013-0_39</a>

Jazyk výsledku

angličtina

Název v původním jazyce

IMMI: Interactive Segmentation Toolkit

Popis výsledku v původním jazyce

General image segmentation is a non–trivial task, which requires significant computational power and huge amount of knowledge incorporated. Fortunately, it is not necessary in all the cases. In some specific cases, simpler non–supervised or supervised segmentation methods can be used giving even better results. In this paper, a novel trainable segmentation method based on RapidMiner data–mining platform is introduced, and its functionality is described. The method implementation was released under open–source license as a part of IMMI (IMage MIning) extension of the RapidMiner platform. When compared to other trainable segmentation algorithms, the platform provides flexibility connected with all the features of one of the most widely used data–mining platform today. The functionality has been verified on the satellite image use–case, accuracy achieving 78.3% pixel error.

Název v anglickém jazyce

IMMI: Interactive Segmentation Toolkit

Popis výsledku anglicky

General image segmentation is a non–trivial task, which requires significant computational power and huge amount of knowledge incorporated. Fortunately, it is not necessary in all the cases. In some specific cases, simpler non–supervised or supervised segmentation methods can be used giving even better results. In this paper, a novel trainable segmentation method based on RapidMiner data–mining platform is introduced, and its functionality is described. The method implementation was released under open–source license as a part of IMMI (IMage MIning) extension of the RapidMiner platform. When compared to other trainable segmentation algorithms, the platform provides flexibility connected with all the features of one of the most widely used data–mining platform today. The functionality has been verified on the satellite image use–case, accuracy achieving 78.3% pixel error.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/FR-TI4%2F151" target="_blank" >FR-TI4/151: Výzkum a vývoj technologie pro detekci emocí v nestrukturovaných datech</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Engineering Applications of Neural Networks

ISBN

978-3-642-41012-3

ISSN

1865-0929

e-ISSN

—

Počet stran výsledku

510

Strana od-do

380-387

Název nakladatele

Springer Berlin Heidelberg

Místo vydání

Heidelberg

Místo konání akce

Halkidiki

Datum konání akce

13. 9. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—