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”

A fish detection approach based on BAT algorithm

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86099050" target="_blank" >RIV/61989100:27240/16:86099050 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007%2F978-3-319-26690-9_25" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-319-26690-9_25</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-26690-9_25" target="_blank" >10.1007/978-3-319-26690-9_25</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A fish detection approach based on BAT algorithm

  • Popis výsledku v původním jazyce

    Fish detection and identification are important steps towards monitoring fish behavior. The importance of such monitoring step comes from the need for better understanding of the fish ecology and issuing conservative actions for keeping the safety of this vital food resource. The recent advances in machine learning approaches allow many applications to easily analyze and detect a number of fish species. The main competence between these approaches is based on two main detection parameters: the time and the accuracy measurements. Therefore, this paper proposes a fish detection approach based on BAT optimization algorithm (BA). This approach aims to reduce the classification time within the fish detection process. The performance of this system was evaluated by a number of well-known machine learning classifiers, KNN, ANN, and SVM. The approach was tested with 151 images to detect the Nile Tilapia fish species and the results showed that k-NN can achieve high accuracy 90 %, with feature reduction ratio close to 61 % along with a noticeable decrease in the classification time. (C) Springer International Publishing Switzerland 2016.

  • Název v anglickém jazyce

    A fish detection approach based on BAT algorithm

  • Popis výsledku anglicky

    Fish detection and identification are important steps towards monitoring fish behavior. The importance of such monitoring step comes from the need for better understanding of the fish ecology and issuing conservative actions for keeping the safety of this vital food resource. The recent advances in machine learning approaches allow many applications to easily analyze and detect a number of fish species. The main competence between these approaches is based on two main detection parameters: the time and the accuracy measurements. Therefore, this paper proposes a fish detection approach based on BAT optimization algorithm (BA). This approach aims to reduce the classification time within the fish detection process. The performance of this system was evaluated by a number of well-known machine learning classifiers, KNN, ANN, and SVM. The approach was tested with 151 images to detect the Nile Tilapia fish species and the results showed that k-NN can achieve high accuracy 90 %, with feature reduction ratio close to 61 % along with a noticeable decrease in the classification time. (C) Springer International Publishing Switzerland 2016.

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)

Ostatní

  • Rok uplatnění

    2016

  • 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 407

  • ISBN

    978-3-319-26688-6

  • ISSN

    2194-5357

  • e-ISSN

  • Počet stran výsledku

    11

  • Strana od-do

    273-283

  • Název nakladatele

    Springer Verlag

  • Místo vydání

    London

  • Místo konání akce

    Beni Suef

  • Datum konání akce

    28. 11. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku