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”

Image entropy equalization: A novel preprocessing technique for image recognition tasks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18470%2F23%3A50020653" target="_blank" >RIV/62690094:18470/23:50020653 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S0020025523011246" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0020025523011246</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.ins.2023.119539" target="_blank" >10.1016/j.ins.2023.119539</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Image entropy equalization: A novel preprocessing technique for image recognition tasks

  • Popis výsledku v původním jazyce

    Image entropy is the metric used to represent a complexity of an image. This study considers the hypothesis that image entropy differences affect machine learning algorithms&apos; performance. This paper proposes a novel preprocessing technique, image entropy equalization, to delete the image entropy differences. The goal is to transform all images into the same entropy. Such a process is implemented by editing all images into the same histogram. Image entropy equalization is evaluated by comparing the original and equalized images in various machine learning tasks. The main advantage of image entropy equalization is to improve the AUC score for one-class autoencoder (OCAE). This result gives a new hypothesis that using image entropy equalization could improve various studies using autoencoder (AE). In addition, the proposed method shows fair results for classification and regression tasks. On the other hand, the main challenges are that the equalization process depends on a reference histogram and is affected by diverse backgrounds.

  • Název v anglickém jazyce

    Image entropy equalization: A novel preprocessing technique for image recognition tasks

  • Popis výsledku anglicky

    Image entropy is the metric used to represent a complexity of an image. This study considers the hypothesis that image entropy differences affect machine learning algorithms&apos; performance. This paper proposes a novel preprocessing technique, image entropy equalization, to delete the image entropy differences. The goal is to transform all images into the same entropy. Such a process is implemented by editing all images into the same histogram. Image entropy equalization is evaluated by comparing the original and equalized images in various machine learning tasks. The main advantage of image entropy equalization is to improve the AUC score for one-class autoencoder (OCAE). This result gives a new hypothesis that using image entropy equalization could improve various studies using autoencoder (AE). In addition, the proposed method shows fair results for classification and regression tasks. On the other hand, the main challenges are that the equalization process depends on a reference histogram and is affected by diverse backgrounds.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2023

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Information sciences

  • ISSN

    0020-0255

  • e-ISSN

    1872-6291

  • Svazek periodika

    647

  • Číslo periodika v rámci svazku

    November

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    18

  • Strana od-do

    "Article Number: 119539"

  • Kód UT WoS článku

    001062138700001

  • EID výsledku v databázi Scopus

    2-s2.0-85168424752