François Chung, Ph.D.

Tag: classificació d’imatges

AWS: fonaments i aprenentatge automàtic

AWS: fonaments i aprenentatge automàtic

|

Formació AWS, MOOC (2020). Aquests cursos en línia proporcionen una comprensió global del núvol d’AWS, amb una visió general dels conceptes, serveis, seguretat, arquitectura, preus i suport del núvol. Els cursos específics per a socis d’AWS ensenyen les millors pràctiques per a abordar les prioritats comercials dels clients. També es cobreix l'aprenentatge automàtic (ML), amb el pla d'estudis utilitzat per Amazon per capacitar als seus desenvolupadors i científics de dades.

Conceptes bàsics d’AWS

Temes principals:

  • Serveis bàsics d'AWS;
  • Serveis integrats d’AWS;
  • Arquitectura d’AWS;
  • Seguretat d’AWS;
  • Preus i suport.

Solucions de socis d’AWS: Bases comercials

Temes principals:

  • Desenvolupar el seu negoci amb AWS;
  • El que els importa als clients d'AWS;
  • Seguretat, identitat i compliment;
  • Preus i llicències;
  • Migració i adopció del núvol;
  • Gestió d'oportunitats.

Solucions de socis d’AWS: Fonaments tècnics

Temes principals:

  • Arquitectes de solucions d'AWS;
  • Conceptes arquitectònics d’AWS;
  • Blocs de construcció;
  • Well-Architected Framework d’AWS;
  • Arquitectura d'una solució AWS;
  • Involucrar els clients i dissenyar solucions.

AWS Machine Learning: Prenedor de decisions

Temes principals:

  • Desmitificant AI/ML/DL;
  • Aprenentatge automàtic per a desafiaments empresarials;
  • Terminologia d'aprenentatge automàtic;
  • Explorant el conjunt d'eines ML.

AWS Machine Learning: Científic de dades

Temes principals:

  • Matemàtiques per a l'aprenentatge automàtic;
  • Regressió lineal i logística;
  • Elements de la ciència de dades;
  • Decisions d'aprenentatge automàtic.

Referències

Formació

AWS Business Professional (Solucions de socis d’AWS: Bases comercials, certificat del curs)
AWS Technical Professional (Solucions de socis d’AWS: Fonaments tècnics, certificat del curs)

Articles relacionats

Aprenentatge profund i TensorFlow (formació Cognitive Class)
Google Cloud: big data i aprenentatge automàtic (formació Coursera)
Azure: fonaments, aprenentatge automàtic i Power BI (formació Microsoft Docs)
Especialització en ciència de dades (formació Coursera
Xarxes neuronals i aprenentatge profund (formació Coursera)

Més informació

AWS Cloud Practitioner Essentials (Conceptes bàsics d’AWS)
AWS Partner Solutions (Solucions de socis d’AWS)
AWS Machine Learning: Decision maker (AWS Machine Learning: Prenedor de decisions)
AWS Machine Learning: Data scientist (AWS Machine Learning: Científic de dades)

EUE 2017 - Llibre

EUE 2017 – Llibre

|

Publicació

François Chung, Tomás Rodríguez; Multi-focal Image Segmentation, Classification and Authentication: A General Framework applied on Microscope Pollen Images; Éditions universitaires européennes (EUE), Saarbrücken, 2017; ISBN: 978-3841677907.

Abstract

In this book, we propose a general framework for multi-focal image segmentation, classification and authentication, the methodology being demonstrated on microscope pollen images. The framework is meant to be generic and based on a brute force-like approach aimed to be efficient not only on any kind, and any number, of pollen images (regardless of the pollen type), but also on any kind of multi-focal images. All stages of the framework are designed to be used in an automatic fashion. First, the optimal focus is selected using the absolute gradient method. Then, pollen grains are extracted from microscope images, followed by the automatic segmentation of their exine. A coarse-to-fine approach ensures a smooth and accurate segmentation of both structures. Finally, feature extraction and selection are performed on pollen grains using a generalized approach and the pollen classification is tested with four classifiers: Weighted Neighbor Distance, Neural Network, Decision Tree and Random Forest. The latter method, which has shown the best and more robust classification accuracy results (above 97% for any number of pollen types), is finally used for a final authentication stage.

Referències

Publicació

Amazon (llibre)
MoreBooks (llibre)
Referència bibliogràfica (BibTeX)

Article relacionat

APIFRESH (projecte Inspiralia)

Més informació

EUE – Éditions universitaires européennes

APIFRESH

APIFRESH

|

Projecte Inspiralia @Madrid, Espanya (2013). La competitivitat del sector apícola europeu està caient a causa de la reducció de la producció dels apicultors com a conseqüència directa de la disminució de la població d'abelles. A més, els productes de països amb estàndards de qualitat inferiors estan guanyant quota de mercat a Europa a través d'una competència deslleial. A tot això es suma una manca de normes a nivell europeu per a certs productes del rusc.

Això significa que és possible trobar al mercat productes sota aquestes etiquetes sense cap control de qualitat i autenticitat. Pocs països a Europa tenen unes pautes o normes regionals per als productes diferents de la mel, el que es tradueix en una manca d'estandardització a nivell europeu.

Per tant, els objectius del projecte APIFRESH són tres:

  • desenvolupar normes europees per al pol·len d'abella i la gelea reial;
  • establir criteris de salut rellevants per al pol·len i la gelea reial;
  • determinar l'autenticitat del pol·len i de la mel.

Els socis d'aquest projecte són:

  • Balparmak (TR);
  • Campomiel (ES);
  • Centro Agrario de Marchamalo (ES);
  • CTC - Centro Tecnológico Nacional de la Conserva y Alimentación (ES);
  • EPBA - European Professional Beekeepers Association (EU);
  • FNAP - Federação Nacional dos Apicultores de Portugal (PT);
  • Inspiralia (ES);
  • OMME - Országos Magyar Méhészeti Egyesület (HU);
  • Parco Tecnologico Padano (IT);
  • TÜBITAK-MAM - Türkiye Bilimsel ve Teknolojik Araştırma Kurumu-Marmara Araştırma Merkezi (TR).

En aquest projecte, la meva feina consisteix en el desenvolupament d'un programari per a la classificació i l'autenticació del pol·len d'abella. Primer, les càrregues de pol·len d'abella capturats mitjançant una càmera estan separades per tipus de pol·len utilitzant una classificació basada en el color. Segon, un microscopi s'utilitza per a capturar una imatge precisa dels grans de pol·len de la qual s'extreuen característiques discriminatives per a identificar l'origen del pol·len, és a dir, considerant el gra de pol·len com pertanyent a un tipus conegut (classificació) o a un tipus desconegut (autenticació).

Referències

Articles relacionats

EUE 2017 (llibre)
COMPAG 2015 (article de revista científica)
Micron 2015 (article de revista científica)
Inspiralia 2013 (informe tècnic)
Inspiralia 2012 (informe tècnic)

Més informació

APIFRESH
Inspiralia

Inspiralia 2013 - Informe tècnic

Inspiralia 2013 – Informe tècnic

|

Publicació

François Chung, Tomás Rodríguez; A general framework for multi-focal image classification and authentication: Application to microscope pollen images; Inspiralia, Madrid, 2013.

Abstract

In this article, we propose a general framework for multi-focal image classification and authentication, the methodology being demonstrated on microscope pollen images. The framework is meant to be generic and based on a brute force-like approach aimed to be efficient not only on any kind, and any number, of pollen images (regardless of the pollen type), but also on any kind of multi-focal images. All stages of the framework's pipeline are designed to be used in an automatic fashion. First, the optimal focus is selected using the absolute gradient method. Then, pollen grains are extracted using a coarse-to-fine approach involving both clustering and morphological techniques (coarse stage), and a snake-based segmentation (fine stage). Finally, features are extracted and selected using a generalized approach, and their classification is tested with four classifiers: Weighted Neighbor Distance, Neural Network, Decision Tree and Random Forest. The latter method, which has shown the best and more robust classification accuracy results (above 97% for any number of pollen types), is finally used for the authentication stage.

Paraules clau

  • generalized feature extraction
  • image classification
  • microscope images
  • optimal focus selection
  • pollen authentication
  • Random Forest
  • snake-based segmentation
  • supervised clustering

Referències

Publicació

Versió publicada (arXiv)
Versió publicada (PDF)
Referència bibliogràfica (BibTeX)

Articles relacionats

APIFRESH (projecte Inspiralia)
EUE 2017 (llibre)
Inspiralia 2012 (informe tècnic)

Més informació

Inspiralia

Idiomes

Articles recents

Categories

Notícies

Recent (Twitter) & Popular (Reddit)

Cerca