Metody klasyfikacji obrazów dla danych niezbalansowanych
2017/27/N/ST6/01705
Słowa kluczowe
Deskryptory
- ST6_7: Sztuczna inteligencja, systemy inteligentne i wieloagentowe
- ST6_8: Grafika komputerowa, przetwarzanie obrazów, wizualizacja komputerowa, multimedia, gry komputerowe
- ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów
Panel
ST6 – Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne
Jednostka realizująca
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Informatyki, Elektroniki i Telekomunikacji
woj. małopolskie
Kierownik projektu (z jednostki realizującej)
Liczba wykonawców projektu: 2
Konkurs
PRELUDIUM 14 – ogłoszony 2017-09-15
- Przyznana kwota
- 163 660 PLN
- Rozpoczęcie projektu
- 2018-07-23
- Zakończenie projektu
- 2022-07-22
- Planowany czas trwania projektu
- 48 miesięcy (z wniosku)
- Status projektu
- Projekt rozliczony
Opis projektu
Pobierz opis projektu w formacie .pdf
Uwaga — opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.
Zakupiona aparatura
- Stacja robocza do obliczeń głębokich z monitorem. Za kwotę 28 000 PLN
Dane z raportu końcowego/rocznego
Publikacje w czasopismach (4)
-
Combined Cleaning and Resampling Algorithm for Multi-Class Imbalanced Data with Label Noise
- Autorzy:
- Michał Koziarski, Michał Woźniak, Bartosz Krawczyk
- Czasopismo:
- Knowledge-Based Systems (rok: 2020, tom: 204, strony: 106223), Wydawca: Elsevier
- Status:
- Opublikowana
- DOI:
- 10.1016/j.knosys.2020.106223 – link do publikacji
-
Radial-Based Undersampling for imbalanced data classification
- Autorzy:
- Michał Koziarski
- Czasopismo:
- Pattern Recognition (rok: 2020, tom: 102, strony: 107262), Wydawca: Elsevier
- Status:
- Opublikowana
- DOI:
- 10.1016/j.patcog.2020.107262 – link do publikacji
-
RB-CCR: Radial-Based Combined Cleaning and Resampling algorithm for imbalanced data classification
- Autorzy:
- Michał Koziarski, Colin Bellinger, Michał Woźniak
- Czasopismo:
- Machine Learning (rok: 2021, tom: 110, strony: 3059–3093), Wydawca: Springer
- Status:
- Opublikowana
- DOI:
- 10.1007/s10994-021-06012-8 – link do publikacji
-
Potential Anchoring for imbalanced data classification
- Autorzy:
- Michał Koziarski
- Czasopismo:
- Pattern Recognition (rok: 2021, tom: 120, strony: 108114), Wydawca: Elsevier
- Status:
- Opublikowana
- DOI:
- 10.1016/j.patcog.2021.108114 – link do publikacji
Teksty w publikacjach pokonferencyjnych (5)
-
Radial-Based Undersampling Algorithm for Classification of Breast Cancer Histopathological Images Affected by Data Imbalance
- Autorzy:
- Michał Koziarski
- Konferencja:
- 12th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (rok: 2019, strony: 46027), Wydawca: IEEE
- Data:
- konferencja 19-21 Oct 2019
- Status:
- Opublikowana
-
Convolutional Neural Network-Based Classification of Histopathological Images Affected by Data Imbalance
- Autorzy:
- Michał Koziarski, Bogdan Kwolek, Bogusław Cyganek
- Konferencja:
- 24th International Conference on Pattern Recognition, The Second International Workshop on Deep Learning for Pattern Recognition (rok: 2018, strony: 46033), Wydawca: Springer
- Data:
- konferencja 43332
- Status:
- Opublikowana
-
The Choice of Feature Representation in Small-Scale MobileNet-Based Imbalanced Image Recognition
- Autorzy:
- Michał Koziarski, Bogusław Cyganek, Kazimierz Wiatr
- Konferencja:
- 15th International Conference on Computer Vision Theory and Applications (rok: 2020, strony: 633-638), Wydawca: Springer
- Data:
- konferencja 27-29 Feb 2020
- Status:
- Opublikowana
-
Two-Stage Resampling for Convolutional Neural Network Training in the Imbalanced Colorectal Cancer Image Classification
- Autorzy:
- Michał Koziarski
- Konferencja:
- 2021 International Joint Conference on Neural Networks (IJCNN) (rok: 2021, strony: 46030), Wydawca: IEEE
- Data:
- konferencja 18-22 Jul 2021
- Status:
- Opublikowana
- DOI:
- link do publikacji
-
CSMOUTE: Combined Synthetic Oversampling and Undersampling Technique for Imbalanced Data Classification
- Autorzy:
- Michał Koziarski
- Konferencja:
- 2021 International Joint Conference on Neural Networks (IJCNN) (rok: 2021, strony: 46030), Wydawca: IEEE
- Data:
- konferencja 18-22 Jul 2021
- Status:
- Opublikowana
- DOI:
- link do publikacji