Projekty finansowane przez NCN


Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Metody klasyfikacji obrazów dla danych niezbalansowanych

2017/27/N/ST6/01705

Słowa kluczowe:

sztuczna inteligencja uczenie maszynowe klasyfikacja obrazów dane niezbalansowane

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

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

Michał Koziarski 

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: 36 miesięcy (z wniosku)

Status projektu: Projekt w realizacji

Opis Projektu

Pobierz opis projektu w formacie .pdf

Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Dane z raportu końcowego

  • Publikacje w czasopismach (4)
  • Teksty w publikacjach pokonferencyjnych (5)
  1. Combined Cleaning and Resampling Algorithm for Multi-Class Imbalanced Data with Label Noise IF: 5,101
    Autorzy:
    Michał Koziarski, Michał Woźniak, Bartosz Krawczyk
    Czasopismo:
    Knowledge-Based Systems (rok: 2020, tom: 204, strony: 106223), Wydawca: Elsevier
    Status:
    Opublikowane
    Doi:
    10.1016/j.knosys.2020.106223 - link do publikacji
  2. Radial-Based Undersampling for imbalanced data classification IF: 5,898
    Autorzy:
    Michał Koziarski
    Czasopismo:
    Pattern Recognition (rok: 2020, tom: 102, strony: 107262), Wydawca: Elsevier
    Status:
    Opublikowane
    Doi:
    10.1016/j.patcog.2020.107262 - link do publikacji
  3. Potential Anchoring for imbalanced data classification
    Autorzy:
    Michał Koziarski
    Status:
    Złożone
  4. RB-CCR: Radial-Based Combined Cleaning and Resampling algorithm for imbalanced data classification
    Autorzy:
    Michał Koziarski, Colin Bellinger, Michał Woźniak
    Status:
    Złożone
  1. 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, ), Wydawca: Springer
    Data:
    konferencja 27-29 Feb 2020
    Status:
    Opublikowane
  2. 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, ), Wydawca: Springer
    Data:
    konferencja 43332
    Status:
    Opublikowane
  3. 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, ), Wydawca: IEEE
    Data:
    konferencja 19-21 Oct 2019
    Status:
    Opublikowane
  4. CSMOUTE: Combined Synthetic Oversampling and Undersampling Technique for Imbalanced Data Classification
    Autorzy:
    Michał Koziarski
    Konferencja:
    2021 International Joint Conference on Neural Networks (IJCNN) , Wydawca: IEEE
    Data:
    konferencja 18-22 Jul 2021
    Status:
    Przyjęte
  5. 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) , Wydawca: IEEE
    Data:
    konferencja 18-22 Jul 2021
    Status:
    Przyjęte