Coral Reef annotation, localisation and pixel-wise classification using Mask R-CNN and Bag of Tricks

Picek, Lukáš; Říha, Antonín; Zita, Aleš

Full metadata record

DC pole	Hodnota	Jazyk
dc.contributor.author	Picek, Lukáš
dc.contributor.author	Říha, Antonín
dc.contributor.author	Zita, Aleš
dc.date.accessioned	2022-03-28T10:00:26Z	-
dc.date.available	2022-03-28T10:00:26Z	-
dc.date.issued	2020
dc.identifier.citation	PICEK, L. ŘÍHA, A. ZITA, A. Coral Reef annotation, localisation and pixel-wise classification using Mask R-CNN and Bag of Tricks. In CEUR Workshop proceedings - CLEF 2020 Working Notes. Thessaloniki: CEUR, 2020. s. nestránkováno. ISBN: neuvedeno , ISSN: 1613-0073	cs
dc.identifier.isbn	neuvedeno
dc.identifier.issn	1613-0073
dc.identifier.uri	2-s2.0-85113460273
dc.identifier.uri	http://hdl.handle.net/11025/47234
dc.description.abstract	Tento článek popisuje článek pro automatickou detekci, klasifikaci a segmentací substrátů korálů na snímcích pořízených pod vodou. Navržený systém dosáhl nejlepších výsledků v obou úlohách druhé edice soutěže ImeCLEFcoral. Konkrétně hodnoty mAP@0.5 0.482 v případě anotace a lokalizace. Dále pak mAP@0.5 0.678 v úloze klasifikace na úrovni pixelů. Systém byl postaven na základě metody Mask R-CNN s zlepšené pomocí pokročilých trénovacích strategií, pseudo-labelingem, test-time augmentacemi a normalizací akumulovaných gradientů. Z důvodu podpory dalšího výzkumu v této oblasti byl kód zveřejněn na https://github.com/picekl/ImageCLEF2020-DrawnUI.	cs
dc.format	12 s.	cs
dc.format.mimetype	application/pdf
dc.language.iso	en	en
dc.publisher	CEUR	en
dc.relation.ispartofseries	CEUR Workshop proceedings - CLEF 2020 Working Notes	en
dc.rights	© authors	en
dc.title	Coral Reef annotation, localisation and pixel-wise classification using Mask R-CNN and Bag of Tricks	en
dc.title.alternative	Anotace, lokalizace a pixelová klasifikace korálových útesů pomocí Mask R-CNN a uzlíčkem triků	cs
dc.type	konferenční příspěvek	cs
dc.type	ConferenceObject	en
dc.rights.access	openAccess	en
dc.type.version	publishedVersion	en
dc.description.abstract-translated	This article describes an automatic system for detection, classification and segmentation of individual coral substrates in underwater images. The proposed system achieved the best performances in both tasks of the second edition of the ImageCLEFcoral competition. Specifically, mean average precision with Intersection over Union (IoU) greater then 0.5 (mAP@0.5) of 0.582 in case of Coral reef image annotation and localisation, and mAP@0.5 of 0.678 in Coral reef image pixel-wise parsing. The system is based on Mask R-CNN object detection and instance segmentation framework boosted by advanced training strategies, pseudo-labeling, test-time augmentations, and Accumulated Gradient Normalisation. To support future research, code has been made available at: https://github.com/picekl/ImageCLEF2020-DrawnUI.	en
dc.subject.translated	Deep Learning	en
dc.subject.translated	Computer Vision	en
dc.subject.translated	Instance Segmentation	en
dc.subject.translated	Convolutional Neural Networks	en
dc.subject.translated	Machine Learning	en
dc.subject.translated	Object Detection	en
dc.subject.translated	Corals	en
dc.subject.translated	Biodiversity	en
dc.subject.translated	Conservation	en
dc.type.status	Peer-reviewed	en
dc.identifier.obd	43930883
dc.project.ID	LO1506/PUNTIS - Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost	cs
dc.project.ID	SGS-2019-027/Inteligentní metody strojového vnímání a porozumění 4	cs
Vyskytuje se v kolekcích:	Konferenční příspěvky / Conference Papers (KKY) OBD

Soubory připojené k záznamu:

Soubor	Velikost	Formát
Picek2020_Coral_Reef_paper_83.pdf	6,25 MB	Adobe PDF	Zobrazit/otevřít

Zobrazit minimální záznam Zobrazit statistiky

Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/47234

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání

navigace