Full metadata record
DC FieldValueLanguage
dc.contributor.authorNeduchal, Petr
dc.contributor.authorGruber, Ivan
dc.contributor.authorŽelezný, Miloš
dc.date.accessioned2021-02-22T11:00:21Z-
dc.date.available2021-02-22T11:00:21Z-
dc.date.issued2020
dc.identifier.citationNEDUCHAL, P., GRUBER, I., ŽELEZNÝ, M. Indoor vs. Outdoor Scene Classification for Mobile Robots. In: Interactive Collaborative Robotics, 5th International Conference, ICR 2020, St. Petersburg, Russia, October 7-9, Proceedings. Cham: Springer, 2020. s. 243-252. ISBN 978-3-030-60336-6, ISSN 0302-9743.cs
dc.identifier.isbn978-3-030-60336-6
dc.identifier.issn0302-9743
dc.identifier.uri2-s2.0-85092904396
dc.identifier.urihttp://hdl.handle.net/11025/42722
dc.description.abstractTento článek se zabývá úkolem automatické klasifikace vnitřního a venkovního prostředí z obrazových dat s ohledem na budoucí využití v mobilní robotice. Pro požadavky tohoto výzkumu využíváme datovou sadu Miniplaces. Porovnáváme velké množství klasických přístupů strojového učení, jako je Support Vector Machine, k-Nearest Neighbor, Decision Tree nebo Naive Bayes pomocí různých metod popisu barev a textur na jedné datové sadě. Kromě toho používáme některé z nejdůležitějších přístupů založených na neuronových sítích z posledních čtyř let. Nejlepší testovaný přístup dosahuje přesnosti klasifikace 96,17%. Pokud je nám známo, tento článek představuje nejrozsáhlejší srovnání klasifikačních přístupů v úloze klasifikace vnitřního a venkovného prostředí, jaké kdy bylo provedeno na jednom datovém souboru. Zabýváme se také problémem rychlosti zpracování a diskutujeme o použití aplikovaných metod v robotických úlohách v reálném čase.cs
dc.format10 s.
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherSpringeren
dc.relation.ispartofseriesInteractive Collaborative Robotics, 5th International Conference, ICR 2020, St. Petersburg, Russia, October 7-9, Proceedingsen
dc.rightsPlný text není přístupný.cs
dc.rights© Springeren
dc.subjectKlasifikace prostředícs
dc.subjectMobilní robotikacs
dc.subjectNeuronové sítěcs
dc.subjectStrojové učenícs
dc.titleIndoor vs. Outdoor Scene Classification for Mobile Robotsen
dc.title.alternativeKlasifikace scény na vnitřní a venkovní pro mobilní robotycs
dc.typekonferenční příspěvekcs
dc.typeconferenceObjecten
dc.rights.accessclosedAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedThis paper deals with the task of automatic indoor vs. outdoor classification from image data with respect to future usage in mobile robotics. For the requirements of this research, we utilize the Miniplaces dataset. We compare a large number of classic machine learning approaches such as Support Vector Machine, k-Nearest Neighbor, Decision Tree, or Naive Bayes using various color and texture description methods on a single dataset. Moreover, we employ some of the most important neural network-based approaches from the last four years. The best tested approach reaches 96.17% classification accuracy. To our best knowledge, this paper presents the most extensive comparison of classification approaches in the task of indoor vs. outdoor classification ever done on a single dataset. We also address the processing time problem, and we discuss using the applied methods in real-time robotic tasks.en
dc.subject.translatedEnvironment classificationen
dc.subject.translatedMobile roboticsen
dc.subject.translatedNeural networksen
dc.subject.translatedMachine learningen
dc.identifier.doi10.1007/978-3-030-60337-3_24
dc.type.statusPeer-revieweden
dc.identifier.obd43930785
dc.project.IDLTARF18017/AMIR - Multimodální rozhraní založené na gestech a mluvené i znakové řeči pro ovládání asistivního mobilního informačního robotacs
dc.project.IDLM2015042/E-infrastruktura CESNETcs
dc.project.ID90042/Velká výzkumná infrastruktura povinnost (J) - CESNET IIcs
Appears in Collections:Konferenční příspěvky / Conference papers (NTIS)
Konferenční příspěvky / Conference Papers (KKY)
OBD



Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/42722

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

search
navigation
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD