TreeLogy
2,0star
127 resensies
10 k+
Aflaaie
Almal
info
Meer oor hierdie program
"Treelogy" is 'n mobiele program wat boom blaar-gebaseerde identifikasie kan verrig onder boomspesies in Turkye met behulp van 'n foto van 'n gegewe blaar.
Daar is in die boom identifikasie handvol van aansoeke slegs geïnteresseerd en hulle is ontwerp hoofsaaklik vir die opsporing van Noord-Amerikaanse en Europese boomspesies. Daar is geen aansoek wat 'n goeie prestasie en lokalisering ondersteuning vir die identifisering van boomspesies inheems aan Turkye. Hierdie projek is daarop gemik om hierdie gaping te vul.
Terwyl ons hierdie aansoek bou, ons gewerk het op onder toesig leer vir klassifikasie taak. Ons fokus op beide die Diep Leer (spesifiek convolutional Diep Neurale Netwerke) en ondersteuning Vector Machines. Tree blaar identifikasie proses gebruik beeld funksies wat uit Caffe, 'n convolutional neurale netwerk raamwerk, en ons beeldverwerking module.
Na 'n paar eksperimente, was ons die optimale klassifikasie akkuraatheid van 93,59% vir 57 boomspesies. Eksperimente betrek 16096 3020 opleiding en toetsing blaar beelde. Volgens ons bevindinge, kom ons tot die volgende gevolgtrekking. Sekere beeldverwerking prosedures vir die wen eienskappe soos die vorm en tekstuur beskrywers, wat ons gebruik in ons projek, nie funksies as moontlik as convolutional neurale netwerke te produseer.
"Geskep deur 'n groep deel inekereg" => METU Studente
Daar is in die boom identifikasie handvol van aansoeke slegs geïnteresseerd en hulle is ontwerp hoofsaaklik vir die opsporing van Noord-Amerikaanse en Europese boomspesies. Daar is geen aansoek wat 'n goeie prestasie en lokalisering ondersteuning vir die identifisering van boomspesies inheems aan Turkye. Hierdie projek is daarop gemik om hierdie gaping te vul.
Terwyl ons hierdie aansoek bou, ons gewerk het op onder toesig leer vir klassifikasie taak. Ons fokus op beide die Diep Leer (spesifiek convolutional Diep Neurale Netwerke) en ondersteuning Vector Machines. Tree blaar identifikasie proses gebruik beeld funksies wat uit Caffe, 'n convolutional neurale netwerk raamwerk, en ons beeldverwerking module.
Na 'n paar eksperimente, was ons die optimale klassifikasie akkuraatheid van 93,59% vir 57 boomspesies. Eksperimente betrek 16096 3020 opleiding en toetsing blaar beelde. Volgens ons bevindinge, kom ons tot die volgende gevolgtrekking. Sekere beeldverwerking prosedures vir die wen eienskappe soos die vorm en tekstuur beskrywers, wat ons gebruik in ons projek, nie funksies as moontlik as convolutional neurale netwerke te produseer.
"Geskep deur 'n groep deel inekereg" => METU Studente
Opgedateer op
Veiligheid begin wanneer jy verstaan hoe ontwikkelaars jou data insamel en deel. Praktyke vir dataprivaatheid en -sekuriteit kan verskil op grond van gebruik, streek en ouderdom. Die ontwikkelaar het hierdie inligting verskaf en kan dit mettertyd opdateer.
Geen data word met derde partye gedeel nie
Kom meer te wete oor hoe ontwikkelaars datadeling verklaar
Geen data ingesamel nie
Kom meer te wete oor hoe ontwikkelaars insameling verklaar
Graderings en resensies
2,0
121 resensies
Wat's nuut
Sunucu güncellemesi, hata düzeltmeleri
