Comparison of object classification methods in seed stream separation (Запись № 657526)

Подробно MARC
000 -Маркер
Поле контроля фиксированной длины 03409nla2a2200541 4500
005 - Идентификатор версии
Поле контроля фиксированной длины 20231030041514.0
035 ## - Другие системные номера
Идентификатор записи (RuTPU)RU\TPU\network\24056
035 ## - Другие системные номера
Идентификатор записи RU\TPU\network\24054
100 ## - Данные общей обработки
Данные общей обработки 20180213a2017 k y0engy50 ba
101 0# - Язык ресурса
Язык текста, звукозаписи и т.д. английский
102 ## - Страна публикации или производства
Страна публикации France
105 ## - Поле кодированных данных: текстовые ресурсы, монографические
Кодированные данные о монографическом текстовом документе y z 100zy
135 ## - Поле кодированных данных: электронные ресурсы
Кодированные данные для электронного ресурса drcn ---uucaa
181 #0 - Поле кодированных данных: вид содержания
Код вида содержания i
182 #0 - Поле кодированных данных: средство доступа
Код средства доступа electronic
200 1# - Заглавие и сведения об ответственности
Основное заглавие Comparison of object classification methods in seed stream separation
Первые сведения об ответственности A. V. Vlasov, A. S. Fadeev
203 ## - Вид содержания и средство доступа
Вид содержания
Средство доступа
300 ## - Общие примечания
Текст примечания Title screen
320 ## - Примечания о наличии в ресурсе библиографии/указателя
Текст примечания [References: p. 181 (15 tit.)]
330 ## - Резюме или реферат
Текст примечания The paper presents a study of machine learning approaches to detect and classify seeds of a grain crop in order to enhance agricultural seed purification line. The main features of seeds that are hard to recognize during a separation with mechanical methods are resolved with the help of machine learning approach. The main machine learning methods used in research was traditional machine learning and deep learning based on neural networks. A special training image database was retrieved in order to check if the stated approaches are reasonable to use and develop. A set of tests is provided to show the effectiveness of the machine learning applied to solve the stated problem.
461 #1 - Уровень набора
Идентификатор записи (RuTPU)RU\TPU\network\18167
Заглавие Advances in Computer Science Research
463 #0 - Уровень физической единицы
Идентификатор записи (RuTPU)RU\TPU\network\24029
Заглавие Vol. 72 : Information technologies in Science, Management, Social sphere and Medicine (ITSMSSM 2017)
Сведения, относящиеся к заглавию IV International Scientific Conference, 5-8 December 2017, Tomsk, Russia
-- [proceedings]
Первые сведения об ответственности National Research Tomsk Polytechnic University (TPU) ; eds. O. G. Berestneva [et al.]
Обозначение тома [P. 179-181]
Дата публикации 2017
610 1# - Неконтролируемые предметные термины
Предметный термин электронный ресурс
610 1# - Неконтролируемые предметные термины
Предметный термин труды учёных ТПУ
610 1# - Неконтролируемые предметные термины
Предметный термин image processing
610 1# - Неконтролируемые предметные термины
Предметный термин seeds sorting
610 1# - Неконтролируемые предметные термины
Предметный термин classification
610 1# - Неконтролируемые предметные термины
Предметный термин feature extraction
610 1# - Неконтролируемые предметные термины
Предметный термин convolutional neural network
610 1# - Неконтролируемые предметные термины
Предметный термин automatic detection
610 1# - Неконтролируемые предметные термины
Предметный термин grains
610 1# - Неконтролируемые предметные термины
Предметный термин agriculture
610 1# - Неконтролируемые предметные термины
Предметный термин обработка изображений
610 1# - Неконтролируемые предметные термины
Предметный термин классификация
610 1# - Неконтролируемые предметные термины
Предметный термин нейронные сети
610 1# - Неконтролируемые предметные термины
Предметный термин автоматическое обнаружение
610 1# - Неконтролируемые предметные термины
Предметный термин зерна
610 1# - Неконтролируемые предметные термины
Предметный термин сельское хозяйство
610 1# - Неконтролируемые предметные термины
Предметный термин машинное обучение
610 1# - Неконтролируемые предметные термины
Предметный термин зерновые культуры
700 #1 - Имя лица – первичная ответственность
Начальный элемент ввода Vlasov
Часть имени, кроме начального элемента ввода A. V.
Дополнения к именам, кроме дат specialist in the field of informatics and computer technology
-- postgraduate of Tomsk Polytechnic University
Даты 1991-
Расширение инициалов личного имени Andrey Vladimirovich
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\pers\38686
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Fadeev
Часть имени, кроме начального элемента ввода A. S.
Дополнения к именам, кроме дат specialist in the field of informatics and computer technology
-- associate Professor of Tomsk Polytechnic University, Candidate of technical sciences
Даты 1981-
Расширение инициалов личного имени Aleksandr Sergeevich
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\pers\35328
712 02 - Наименование организации – вторичная ответственность
Начальный элемент ввода Национальный исследовательский Томский политехнический университет
Структурное подразделение Инженерная школа информационных технологий и робототехники
-- Отделение информационных технологий
-- 7951
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\col\23515
801 #2 - Источник записи
Страна RU
Организация 63413507
Дата составления 20180221
Правила каталогизации RCR
856 4# - Местонахождение электронных ресурсов и доступ к ним
Универсальный идентификатор ресурса http://dx.doi.org/10.2991/itsmssm-17.2017.38
090 ## - System Control Numbers (Koha)
Koha biblioitem number (autogenerated) 657526
942 ## - Добавленные элементы ввода (Коха)
Тип документа Computer Files

Нет доступных единиц.