Wynik wyszukiwania
Zapytanie: MYLLER MICHAŁ
Liczba odnalezionych rekordów: 8



Przejście do opcji zmiany formatu | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Przesłanie wyników do modułu analizy | excel | Nowe wyszukiwanie
1/8
Nr opisu: 0000134271   
Towards resource-frugal deep convolutional neural networks for hyperspectral image segmentation.
[Aut.]: Jakub Nalepa, M. Antoniak, Michał Myller, Pablo Ribalta Lorenzo, M. Marcinkiewicz.
-Microprocess. Microsyst. 2020 vol. 73, art. no. 102994 s. 1-14, bibliogr. 98 poz.. Impact Factor 1.161. Punktacja MNiSW 40.000

obrazowanie hiperspektralne ; głębokie sieci neuronowe ; splotowa sieć neuronowa ; kwantyzacja ; segmentacja ; klasyfikacja

hyperspectral imaging ; deep neural networks ; convolutional neural network ; quantization ; segmentation ; classification

2/8
Nr opisu: 0000132851   
Training- and test-time data augmentation for hyperspectral image segmentation.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok.
-IEEE Geosci. Remote Sens. Lett. 2020 vol. 17 iss. 2, s. 292-296, bibliogr. 17 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

klasyfikacja ; rozszerzanie danych ; deep learning ; obrazowanie hiperspektralne ; analiza składowych głównych ; PCA ; segmentacja

classification ; data augmentation ; deep learning ; hyperspectral imaging ; principal component analysis ; PCA ; segmentation

3/8
Nr opisu: 0000132849   
Transfer learning for segmenting dimensionally reduced hyperspectral images.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok.
-IEEE Geosci. Remote Sens. Lett. 2020 vol. 17 iss. 7, s. 1228-1232, bibliogr. 19 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

klasyfikacja ; deep learning ; obrazowanie hiperspektralne ; segmentacja ; transfer learning

classification ; deep learning ; hyperspectral imaging ; segmentation ; transfer learning

4/8
Nr opisu: 0000133782   
Unsupervised segmentation of hyperspectral images using 3-D convolutional autoencoders.
[Aut.]: Jakub Nalepa, Michał Myller, Y. Imai, K.-I. Honda, T. Takeda, M. Antoniak.
-IEEE Geosci. Remote Sens. Lett. 2020 vol. 17 iss. 11, s. 1948-1952, bibliogr. 23 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

autoencoder ; grupowanie ; uczenie głębokie ; obrazowanie wielowidmowe ; HSI ; segmentacja nienadzorowana

autoencoder ; clustering ; deep learning ; hyper-spectral imaging ; HSI ; unsupervised segmentation

5/8
Nr opisu: 0000131103
Multi-scale voting classifiers for breast-cancer histology images.
[Aut.]: Jakub Nalepa, Szymon Piechaczek, Michał Myller, Krzysztof Hrynczenko.
W: Advances in intelligent networking and collaborative systems. The 10th International Conference on Intelligent Networking and Collaborative Systems (INCoS 2018), Slovakia, Bratislava, 05-07 September 2018. Eds. Fatos Xhafa, Leonard Barolli, Michal Gregus. Cham : Springer, 2019, s. 526-534, bibliogr. 9 poz. (Lecture Notes on Data Engineering and Communications Technologies ; vol. 23 2367-4512). Punktacja MNiSW 20.000

6/8
Nr opisu: 0000131970
On data augmentation for segmenting hyperspectral images.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok, Bogdan Smołka.
W: Real-Time Image Processing and Deep Learning 2019, Baltimore, Maryland, United States, 15-16 April 2019. Eds. Nasser Kehtarnavaz, Matthias F. Carlsohn. Bellingham : SPIE, 2019, art. no. 1099609 s. 1-8 (Proceedings of SPIE ; vol. 10996 0277-786X). Punktacja MNiSW 20.000

splotowa sieć neuronowa ; rozszerzanie danych ; deep learning ; obrazowanie hiperspektralne ; GANs

convolutional neural network ; data augmentation ; deep learning ; hyperspectral imaging ; GANs

7/8
Nr opisu: 0000129654   
Validating hyperspectral image segmentation.
[Aut.]: Jakub Nalepa, Michał Myller, Michał Kawulok.
-IEEE Geosci. Remote Sens. Lett. 2019 vol. 16 iss. 3, s. 1264-1268, bibliogr. 23 poz.. Impact Factor 3.833. Punktacja MNiSW 140.000

klasyfikacja ; uczenie głębokie ; obrazowanie hiperspektralne ; segmentacja ; walidacja

classification ; deep learning ; hyperspectral imaging ; segmentation ; validation

8/8
Nr opisu: 0000125431   
Genetic selection of training sets for (not only) artificial neural networks.
[Aut.]: Jakub Nalepa, Michał Myller, Szymon Piechaczek, Krzysztof Hrynczenko, Michał Kawulok.
W: Beyond databases, architectures and structures. Facing the challenges of data proliferation and growing variety. 14th International conference, BDAS 2018 held at the 24th IFIP World Computer Congress, WCC 2018, Poznan, Poland, September 18-20, 2018. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2018, s. 194-206, bibliogr. 28 poz. (Communications in Computer and Information Science ; vol. 928 1865-0929). Punktacja MNiSW 20.000

ANN ; algorytm genetyczny ; klasyfikacja ; dobór zbioru treningowego

ANN ; genetic algorithm ; classification ; training set selection

stosując format:
Nowe wyszukiwanie