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”

The Similarity of European Cities Based on Image Analysis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F19%3A73601789" target="_blank" >RIV/61989592:15310/19:73601789 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://obd.upol.cz/id_publ/333181675" target="_blank" >https://obd.upol.cz/id_publ/333181675</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-30329-7_31" target="_blank" >10.1007/978-3-030-30329-7_31</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    The Similarity of European Cities Based on Image Analysis

  • Popis výsledku v původním jazyce

    This article presents the finding of similar cities in Europe from data set Urban Atlas. Basic categories of landuse describe each city. One hundred cites were selected as a basic data set according to size. For finding the similarity, the trained neural network was used. A neural network is part of embedded add-ins Image Analytics in Orange software. One embedder in Orange was selected for the presented purpose. Finally, the hierarchical clustering was used for image descriptors received form neural networks. As a result, the couples of most similar cities is presented in the article. The cities are similar according to the patterns of urban fabrics or green areas patterns or shapes of some areas.

  • Název v anglickém jazyce

    The Similarity of European Cities Based on Image Analysis

  • Popis výsledku anglicky

    This article presents the finding of similar cities in Europe from data set Urban Atlas. Basic categories of landuse describe each city. One hundred cites were selected as a basic data set according to size. For finding the similarity, the trained neural network was used. A neural network is part of embedded add-ins Image Analytics in Orange software. One embedder in Orange was selected for the presented purpose. Finally, the hierarchical clustering was used for image descriptors received form neural networks. As a result, the couples of most similar cities is presented in the article. The cities are similar according to the patterns of urban fabrics or green areas patterns or shapes of some areas.

Klasifikace

  • Druh

    C - Kapitola v odborné knize

  • CEP obor

  • OECD FORD obor

    10511 - Environmental sciences (social aspects to be 5.7)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EE2.3.20.0170" target="_blank" >EE2.3.20.0170: Budování výzkumně-vzdělávacího týmu v oblasti modelování přírodních jevů a využití geoinformačních systémů, s vazbou na zapojení do mezinárodních sítí a programů.</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název knihy nebo sborníku

    INTELLIGENT SYSTEMS APPLICATIONS IN SOFTWARE ENGINEERING

  • ISBN

    978-3-030-30328-0

  • Počet stran výsledku

    8

  • Strana od-do

    341-348

  • Počet stran knihy

    404

  • Název nakladatele

    Springer

  • Místo vydání

    Cham

  • Kód UT WoS kapitoly

    000564759600031