Plant Recognition by Inception Networks with Test-time Class Prior Estimation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F18%3A00322496" target="_blank" >RIV/68407700:21230/18:00322496 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/49777513:23520/18:43952556

Výsledek na webu

<a href="http://ceur-ws.org/Vol-2125/paper_152.pdf" target="_blank" >http://ceur-ws.org/Vol-2125/paper_152.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Plant Recognition by Inception Networks with Test-time Class Prior Estimation

Popis výsledku v původním jazyce

The paper describes an automatic system for recognition of 10,000 plant species from one or more images. The system finished 1st in the ExpertLifeCLEF 2018 plant identification challenge with 88.4% accuracy and performed better than 5 of the 9 participating plant identification experts. The system is based on the Inception-ResNet-v2 and Inception-v4 Convolutional Neural Network (CNN) architectures. Performance improvements were achieved by: adjusting the CNN predictions according to the estimated change of the class prior probabilities, replacing network parameters with their running averages, and test-time data augmentation.

Název v anglickém jazyce

Plant Recognition by Inception Networks with Test-time Class Prior Estimation

Popis výsledku anglicky

The paper describes an automatic system for recognition of 10,000 plant species from one or more images. The system finished 1st in the ExpertLifeCLEF 2018 plant identification challenge with 88.4% accuracy and performed better than 5 of the 9 participating plant identification experts. The system is based on the Inception-ResNet-v2 and Inception-v4 Convolutional Neural Network (CNN) architectures. Performance improvements were achieved by: adjusting the CNN predictions according to the estimated change of the class prior probabilities, replacing network parameters with their running averages, and test-time data augmentation.

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

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

Working Notes of CLEF 2018 - Conference and Labs of the Evaluation Forum

ISBN

—

ISSN

1613-0073

e-ISSN

1613-0073

Počet stran výsledku

8

Strana od-do

—

Název nakladatele

CEUR-WS.org

Místo vydání

—

Místo konání akce

Avignon

Datum konání akce

10. 9. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—