Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Automatic Coral Reef Annotation, Localization and Pixel-wise Parsing Using Mask R-CNN

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F21%3A43962958" target="_blank" >RIV/49777513:23520/21:43962958 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ceur-ws.org/Vol-2936/paper-115.pdf" target="_blank" >http://ceur-ws.org/Vol-2936/paper-115.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Automatic Coral Reef Annotation, Localization and Pixel-wise Parsing Using Mask R-CNN

  • Popis výsledku v původním jazyce

    This paper describes the methods that were used for annotation, localization and pixel-wise parsing of the coral reefs from underwater images. The proposed system achieved competitive results in the third edition of ImageCLEFcoral 2021 challenge. Specifically, in case of annotation and localization task achieved mean average precision with Intersection over Union (IoU) greater that 0.5 (mAP@0.5) 0.121 and in case of pixel-wise parsing task achieved mAP@0.5 0.075 on the test set. The proposed method is based on Mask R-CNN object detection and segmentation framework with online data augmentations.

  • Název v anglickém jazyce

    Automatic Coral Reef Annotation, Localization and Pixel-wise Parsing Using Mask R-CNN

  • Popis výsledku anglicky

    This paper describes the methods that were used for annotation, localization and pixel-wise parsing of the coral reefs from underwater images. The proposed system achieved competitive results in the third edition of ImageCLEFcoral 2021 challenge. Specifically, in case of annotation and localization task achieved mean average precision with Intersection over Union (IoU) greater that 0.5 (mAP@0.5) 0.121 and in case of pixel-wise parsing task achieved mAP@0.5 0.075 on the test set. The proposed method is based on Mask R-CNN object detection and segmentation framework with online data augmentations.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Working Notes of CLEF 2021 - Conference and Labs of the Evaluation Forum

  • ISBN

  • ISSN

    1613-0073

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    1359-1364

  • Název nakladatele

    CEUR-WS

  • Místo vydání

    Bucharest

  • Místo konání akce

    Bucharest, Romania (virtual)

  • Datum konání akce

    21. 9. 2021

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku