Sparse Versions of Optimized Centroids

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F22%3A00562370" target="_blank" >RIV/67985807:_____/22:00562370 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/IJCNN55064.2022.9892838" target="_blank" >http://dx.doi.org/10.1109/IJCNN55064.2022.9892838</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/IJCNN55064.2022.9892838" target="_blank" >10.1109/IJCNN55064.2022.9892838</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Sparse Versions of Optimized Centroids

Popis výsledku v původním jazyce

Centroid-based methods have an established place in a variety of tasks including object localization in images. A sophisticated method for constructing optimal centroids and corresponding weights has been proposed only recently. In order to reduce the computational demands of applying the optimal centroid, several novel sparse versions of the optimal centroids are proposed here, which are based on trimming away some of their pixels. Suitable novel sparse versions bring improvements compared to available optimal centroids. At the same time, some of the sparse optimal centroids (especially the method with thresholded optimal weights) turn out to be robust to noise in the images.

Název v anglickém jazyce

Sparse Versions of Optimized Centroids

Popis výsledku anglicky

Centroid-based methods have an established place in a variety of tasks including object localization in images. A sophisticated method for constructing optimal centroids and corresponding weights has been proposed only recently. In order to reduce the computational demands of applying the optimal centroid, several novel sparse versions of the optimal centroids are proposed here, which are based on trimming away some of their pixels. Suitable novel sparse versions bring improvements compared to available optimal centroids. At the same time, some of the sparse optimal centroids (especially the method with thresholded optimal weights) turn out to be robust to noise in the images.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

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

Projekt

<a href="/cs/project/GA22-02067S" target="_blank" >GA22-02067S: AppNeCo: Aproximativní neurovýpočty</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2022

Kód důvěrnosti údajů

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

Název statě ve sborníku

2022 International Joint Conference on Neural Networks (IJCNN) Proceedings

ISBN

978-1-7281-8671-9

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

1-7

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Padua

Datum konání akce

18. 7. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000867070907075