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”

Evolutionary Techniques for Image Segmentation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86092449" target="_blank" >RIV/61989100:27240/14:86092449 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/14:86092449

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-08156-4_29" target="_blank" >http://dx.doi.org/10.1007/978-3-319-08156-4_29</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-08156-4_29" target="_blank" >10.1007/978-3-319-08156-4_29</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Evolutionary Techniques for Image Segmentation

  • Popis výsledku v původním jazyce

    Evolutionary algorithms are used in many engineering applications for optimization of problems that are often difficult to solve using conventional methods. One such problem is image segmentation. This task is used for object (contour) extraction from images to create sensible representation of the image. There are many image segmentation and optimization methods. This work is focused on selected evolutionary optimization methods. Namely, particle swarm optimization, genetic algorithm, and differentialevolution. Our image segmentation method is inspired in algorithm known as k-means. The optimization function from k-means algorithm is replaced by evolutionary technique. We compare original k-means algorithm with evolutionary approaches and we show that our evolutionary approaches easily outperform the classical approach.

  • Název v anglickém jazyce

    Evolutionary Techniques for Image Segmentation

  • Popis výsledku anglicky

    Evolutionary algorithms are used in many engineering applications for optimization of problems that are often difficult to solve using conventional methods. One such problem is image segmentation. This task is used for object (contour) extraction from images to create sensible representation of the image. There are many image segmentation and optimization methods. This work is focused on selected evolutionary optimization methods. Namely, particle swarm optimization, genetic algorithm, and differentialevolution. Our image segmentation method is inspired in algorithm known as k-means. The optimization function from k-means algorithm is replaced by evolutionary technique. We compare original k-means algorithm with evolutionary approaches and we show that our evolutionary approaches easily outperform the classical approach.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2014

  • 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

    Advances in Intelligent Systems and Computing. Volume 303

  • ISBN

    978-3-319-08155-7

  • ISSN

    2194-5357

  • e-ISSN

  • Počet stran výsledku

    10

  • Strana od-do

    291-300

  • Název nakladatele

    Springer-Verlag Berlin Heidelberg

  • Místo vydání

    Berlin Heidelberg

  • Místo konání akce

    Ostrava

  • Datum konání akce

    23. 6. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku