文献

J-GLOBAL ID：201702247103927639   整理番号：17A1260514

ランダムフォレストとニューラルネットワークによる種子テクスチャ分類【Powered by NICT】

Seed texture classification by random forest and neural networks

著者 (3件)： Aygun Sercan (Bilgisayar Muehendisligi Boeluemue, Yildiz Teknik Ueniversitesi, Davutpas,a, Istanbul, Tuerkiye) ,  Yalcin Hulya (Elektronik ve Haberles,me Muehendisligi Boeluemue, Istanbul Teknik Ueniversitesi, Maslak, Istanbul, Tuerkiye) ,  Gunes Ece Olcay (Elektronik ve Haberles,me Muehendisligi Boeluemue, Istanbul Teknik Ueniversitesi, Maslak, Istanbul, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIU  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像分類は,多くの画像処理問題のための重要な問題である。に近いテクスチャを持つことを画像は高い精度で分類される挑戦的である。特に自然画像において,色から独立して考慮した場合分類は難しい問題である。本研究では,種子は22グレード種子のデータベースから得られたテクスチャ特徴に基づいて分類した。特徴抽出は三つの基本的な特徴抽出法を達成した。属性は,ニューラルネットワークによって別々に分類し,最良の結果を与える特徴を選択した。選択された方法からの特徴ベクトルは,ランダムフォレスト法で分類した。ランダム森林は樹木,深さ,枝の数のような属性を持つツリー構造を持つデータ分類に用いることができる。実験の結果,神経回路網分類と精度率はランダムフォレストと同じ属性を分類後さらに改善した後の局所二値パターンは認識率で,他の特徴量記述子より優れていることを観測した。種子型そして/あるいは欠陥は0.454%の平均誤差率で分類された。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 特徴抽出 ,  神経回路網 ,  画像処理 ,  *ニューラルネットワーク ,  ツリー構造 ,  画像
準シソーラス用語： 特徴量 ,  データ分類 ,  特徴ベクトル ,  テクスチャ特徴 ,  自然画像 ,  *テクスチャ ,  画像分類 ,  *テクスチャー分類 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ランダムフォレスト ,  ニューラルネットワーク ,  種子 ,  テクスチャ分類