Very Deep Residual Networks with MaxOut for Plant Identification in the Wild

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F16%3A00306348" target="_blank" >RIV/68407700:21230/16:00306348 - isvavai.cz</a>

Výsledek na webu

<a href="http://ceur-ws.org/Vol-1609/16090579.pdf" target="_blank" >http://ceur-ws.org/Vol-1609/16090579.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Very Deep Residual Networks with MaxOut for Plant Identification in the Wild

Popis výsledku v původním jazyce

The paper presents our deep learning approach to automatic recognition of plant species from photos. We utilized a very deep 152-layer residual network model pre-trained on ImageNet, replaced the original fully connected layer with two randomly initialized fully connected layers connected with maxout, and fine-tuned the network on the PlantCLEF 2016 training data. Bagging of 3 networks was used to further improve accuracy. With the proposed approach we scored among the top 3 teams in the PlantCLEF 2016 plant identification challenge.

Název v anglickém jazyce

Very Deep Residual Networks with MaxOut for Plant Identification in the Wild

Popis výsledku anglicky

The paper presents our deep learning approach to automatic recognition of plant species from photos. We utilized a very deep 152-layer residual network model pre-trained on ImageNet, replaced the original fully connected layer with two randomly initialized fully connected layers connected with maxout, and fine-tuned the network on the PlantCLEF 2016 training data. Bagging of 3 networks was used to further improve accuracy. With the proposed approach we scored among the top 3 teams in the PlantCLEF 2016 plant identification challenge.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>

Návaznosti

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

Rok uplatnění

2016

Kód důvěrnosti údajů

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

Název statě ve sborníku

Working Notes of CLEF 2016 - Conference and Labs of the Evaluation forum

ISBN

—

ISSN

1613-0073

e-ISSN

—

Počet stran výsledku

8

Strana od-do

579-586

Název nakladatele

CEUR Workshop Proceedings

Místo vydání

Aachen

Místo konání akce

Évora

Datum konání akce

5. 9. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—