Fuzzy preprocessing for semi-supervised image classification in modern industry

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17610%2F19%3AA2001ZSQ" target="_blank" >RIV/61988987:17610/19:A2001ZSQ - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Fuzzy preprocessing for semi-supervised image classification in modern industry

Popis výsledku v původním jazyce

We are focusing on image classification in industrial processing taking into account the most problematic issue of the processing: the lack of labeled data. Here, we are considering three datasets: the first one is an unsorted collection of all types of manufactured products and includes 100 images per class. The second one consists of products sorted into particular classes by a specialized employee and includes only ten images per class. The last one includes a massive volume of labeled images, but it is used only for the proposal validation. As the configuration is challenging for neural networks, we propose to use Image Represented by a Fuzzy Function in order to enrich original image information. We solve the task using various autoencoder architectures and prove that such the proposal increases the autoencoders success rate.

Název v anglickém jazyce

Fuzzy preprocessing for semi-supervised image classification in modern industry

Popis výsledku anglicky

We are focusing on image classification in industrial processing taking into account the most problematic issue of the processing: the lack of labeled data. Here, we are considering three datasets: the first one is an unsorted collection of all types of manufactured products and includes 100 images per class. The second one consists of products sorted into particular classes by a specialized employee and includes only ten images per class. The last one includes a massive volume of labeled images, but it is used only for the proposal validation. As the configuration is challenging for neural networks, we propose to use Image Represented by a Fuzzy Function in order to enrich original image information. We solve the task using various autoencoder architectures and prove that such the proposal increases the autoencoders success rate.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10102 - Applied mathematics

Projekt

<a href="/cs/project/EF17_049%2F0008414" target="_blank" >EF17_049/0008414: Centrum pro výzkum a vývoj metod umělé intelligence v automobilovém průmyslu regionu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Název statě ve sborníku

15th International Work-Conference on Artificial Neural Networks

ISBN

978-3-030-20517-1

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

11

Strana od-do

3-13

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Gran Canaria

Datum konání akce

12. 6. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—