O. Barinova, R. Shapovalov, S. Sudakov, A. Velizhev, A. Konushin
- 3D City Models, Road Databases and Traffic Monitoring (CMRT). Vol XXXVIII , 2009
Last years witnessed the growth of demand for road monitoring systems based on image or video analysis. These systems usually
consist of a survey vehicle equipped with photo and video cameras, laser scanners and other instruments. Sensors mounted...
Last years witnessed the growth of demand for road monitoring systems based on image or video analysis. These systems usually
consist of a survey vehicle equipped with photo and video cameras, laser scanners and other instruments. Sensors mounted on the
van collect different types of data while the vehicle goes along the road. Recorded video can be geographically referenced with the
help of global positioning systems. Road monitoring systems require special software for data processing. This paper addresses the
problem of video analysis automation, and particularly the pavement monitoring functionality of such mobile laboratories. We show
that computer vision methods applied to this problem help to reduce amount of manual labour during data analysis. Our method
transforms video collected by mobile laboratory into rectified geo-referenced images of road pavement surface, and allows mapping
of lane marking and road pavement defects with minimum user interaction. In our work the mapping workflow consists of two
stages: off-line and online stage. In order to reduce user effort during error correction we take advantage of hierarchical image
segmentation, which helps to delete false detections or mark missing objects with just a few clicks. Through continuous training of
detection algorithm with the help of operator input error rate of automatic detection decreases; thus minimal input is required for
accurate mapping. Experiments on real-world road data show effectiveness of our approach.
Шаповалов Роман Викторович, Баринова Ольга Вячеславовна
- Сборник тезисов XVI международной научной конференции студентов, аспирантов и молодых учёных "Ломоносов-2009", секция "Вычислительная математика и кибернетика" , 2009
Системы семантической сегментации изображений применяются в различных областях. Часто в основе таких систем лежат методы машинного...
Системы семантической сегментации изображений применяются в различных областях. Часто в основе таких систем лежат методы машинного обучения, поэтому для настройки системы обычно требуется разметить большую базу изображений, что представляет собой довольно трудоёмкий процесс. Мы поставили перед собой цель облегчить его, сделав процесс обучения интерактивным. В данной работе предлагается использовать при разметке базы изображений классификатор, обученный на уже размеченной части данных, таким образом, вместо полной разметки изображения пользователю необходимо лишь исправить ошибки классификации. В качестве алгоритма онлайн обучения предлагается использовать разработанный ранее алгоритм On-line Costing.
Шаповалов Р.В., Баринова О.В., Велижев А.Б., Конушин А.С.
- Труды 51-й научной конференции МФТИ. Часть 7. Факультет управления и прикладной математики (ФУПМ). Том 3. , 2008
В данной работе рассматривается задача онлайнового обучения с учетом разных штрафов за ошибки на разных классах. Алгоритм...
В данной работе рассматривается задача онлайнового обучения с учетом разных штрафов за ошибки на разных классах. Алгоритм онлайн-бэггинг часто применяется в областях, требующих обрабатывать поступающие данные "на лету". Доказано, что классификатор, полученный с помощью онлайн-бэггинга, асимптотически сходится к классификатору, полученному с помощью стандартного бэггинга, если они обучаются на одинаково распределённых данных. Тем не менее, классический алгоритм предполагает равноценность ошибок на разных классах, что недопустимо, например, при несбалансированном распределении классов. В статье предложен подход, позволяющий устанавливать произвольные штрафы за ошибки на разных классах.
Alexandrov K., Sobolev B., Filimonov D., Poroikov V.
- J. Bioinform. Computat. Biol. , 2008
The functional annotation of amino acid sequences is one of the most important problems in bioinformatics. Different programs have been successfully applied for recognition of some functional classes; nevertheless, many functional groups still...
The functional annotation of amino acid sequences is one of the most important problems in bioinformatics. Different programs have been successfully applied for recognition of some functional classes; nevertheless, many functional groups still cannot be predicted with the required accuracy. We developed a new method for protein function recognition using the original approach of sequence description. Each sequence of the training set is compared with the query sequence, and the local similarity scores are calculated for the query sequence positions and used as input data for the original classifier. The method was tested using leave-one-out cross-validation for three data sets covering 58 enzyme
classes. Two tested sets including noncrossing functional classes were recognized with high accuracy at various levels of classification hierarchy. The majority of these classes were predicted with 100% accuracy, showing a зrediction ability comparable with the HMMer method and an accuracy superior to the SVM-Prot program. When the tested set was composed of intersected classes of ligand specificity, the prediction accuracy was less; however, the accuracy increased as the size of the predicted class expanded. The proposed method can be used for both predicting protein functional class and selecting the functionally significant sites in a sequence. J. Bioinform. Computat. Biol., 2008, 6 (4), 709-725.
