Wyszukiwanie:
|

|
Sortowanie:
|
|
|
Bibliografia Publikacji Pracowników PK (47523) | Inne bazy bibliograficzne (14977) Architektura i Sztuka Krakowa (2298) | Historia i Ludzie PK – baza w przygotowaniu (0) | Konferencje Krynickie - Referaty (7734) LXVI Konferencja Naukowa, 2020 (67) | LXV Konferencja Naukowa, 2019 (58) | LXIV Konferencja Naukowa, 2018 (139) | LXIII Konferencja Naukowa, 2017 (136) | LXII Konferencja Naukowa, 2016 (150) | LXI Konferencja Naukowa, 2015 (145) | LX Konferencja Naukowa, 2014 (190) | LIX Konferencja Naukowa, 2013 (110) | LVIII Konferencja Naukowa, 2012 (168) | LVII Konferencja Naukowa, 2011 (111) | LVI Konferencja Naukowa, 2010 (130) | LV Konferencja Naukowa, 2009 (108) | LIV Konferencja Naukowa, 2008 (161) | LIII Konferencja Naukowa, 2007 (161) | LII Konferencja Naukowa, 2006 (123) | LI Konferencja Naukowa, 2005 (113) | L Konferencja Naukowa, 2004 (165) | XLIX Konferencja Naukowa, 2003 (125) | XLVIII Konferencja Naukowa, 2002 (137) | XLVII Konferencja Naukowa, 2001 (154) | XLVI Konferencja Naukowa, 2000 (140) | XLV Konferencja Naukowa, 1999 (161) | XLIV Konferencja Naukowa, 1998 (140) | XLIII Konferencja Naukowa, 1997 (153) | XLII Konferencja Naukowa, 1996 (164) | XLI Konferencja Naukowa, 1995 (173) | XL Konferencja Naukowa, 1994 (151) | XXXIX Konferencja Naukowa, 1993 (148) | XXXVIII Konferencja Naukowa, 1992 (117) | XXXVII Konferencja Naukowa, 1991 (125) | XXXVI Konferencja Naukowa, 1990 (109) | XXXV Konferencja Naukowa, 1989 (150) | XXXIV Konferencja Naukowa, 1988 (177) | XXXIII Konferencja Naukowa, 1987 (195) | XXXII Konferencja Naukowa, 1986 (190) | XXXI Konferencja Naukowa, 1985 (180) | XXX Konferencja Naukowa, 1984 (143) | XXIX Konferencja Naukowa, 1983 (141) | XXVIII Konferencja Naukowa, 1982 (120) | XXVII Konferencja Naukowa, 1981 (160) | XXVI Konferencja Naukowa, 1980 (169) | XXV Konferencja Naukowa, 1979 (177) | XXIV Konferencja Naukowa, 1978 (143) | XXIII Konferencja Naukowa, 1977 (120) | XXII Konferencja Naukowa, 1976 (143) | XXI Konferencja Naukowa, 1975 (132) | XX Konferencja Naukowa, 1974 (151) | XIX Konferencja Naukowa, 1973 (131) | XVIII Konferencja Naukowa, 1972 (112) | XVII Konferencja Naukowa, 1971 (120) | XVI Konferencja Naukowa, 1970 (116) | XV Konferencja Naukowa, 1969 (75) | XIV Konferencja Naukowa, 1968 (114) | XIII Konferencja Naukowa, 1967 (100) | XII Konferencja Naukowa, 1966 (106) | XI Konferencja Naukowa, 1965 (81) |
| Niepublikowane prace naukowe pracowników PK (1994-2012) (4941) |
|
Jednostki PK
Opcje
|  | Piekarczyk, Marcin; Bar, Olaf; Bibrzycki, Łukasz; Niedźwiecki, Michał; Rzecki, Krzysztof; Stuglik, Sławomir; Andersen, Thomas; Budnev, Nikolay M.; Alvarez-Castillo, David E.; Cheminant, Kévin Almeida; Góra, Dariusz; Gupta, Alok C.; Hnatyk, Bohdan; Homola, Piotr; Kamiński, Robert; Kasztelan, Marcin; Knap, Marek; Kovács, Péter; Łozowski, Bartosz; Miszczyk, Justyna; Mozgova, Alona; Nazari, Vahab; Pawlik, Maciej; Rosas, Matías; Sushchov, Oleksandr; Smelcerz, Katarzyna; Smolek, Karel; Stasielak, Jarosław; Wibig, Tadeusz; Woźniak, Krzysztof W.; Zamora-Saa, Jilberto CNN-based classifier as an offline trigger for the CREDO experiment typ: artykuł w czasopiśmie |  
|
|
|
Seria/Czasopismo | | Sensors | Numeracja | | Vol. 21, Iss. 14, Spec. Iss. | Data wydania | | 2021 | Numer specjalny | | tak | Język | | angielski | Typ nośnika | | online | Zakres stron | | [1-24] | Liczba stron | | 24 | Oznaczenia ref./art. | | 4804 | Oznaczenie ilustracji | | fot., rys., schem., tab., wykr. | Bibliografia (na str.) | | 22-24 | Bibliografia (liczba pozycji) | | 58 | Oznaczenie streszczenia | | Abstr. | ISSN | | 1424-8220 | Uwagi | | Special Issue: Multi-Sensor Systems for Object Tracking | Charakter pracy | | publikacja naukowa | Publikacja recenzowana | | tak | Rodzaj publikacji | | oryginalny artykuł naukowy (original article) | DOI | | 10.3390/s21144804 | Opis bibliograficzny | | CNN-based classifier as an offline trigger for the CREDO experiment / Marcin Piekarczyk [et al.], Michał Niedźwiecki [et al.], Katarzyna Smelcerz [et al.] // Sensors [Dokument elektroniczny]. – 2021, ... więcejCNN-based classifier as an offline trigger for the CREDO experiment / Marcin Piekarczyk [et al.], Michał Niedźwiecki [et al.], Katarzyna Smelcerz [et al.] // Sensors [Dokument elektroniczny]. – 2021, Vol. 21, Iss. 14, Spec. Iss., 24 s. : fot., rys., schem., tab., wykr. – Tryb dostępu: https://www.mdpi.com/1424-8220/21/14/4804. – Oznaczenie ref./art.: 4804. – Bibliogr. 58 poz., Abstr. – Special Issue: Multi-Sensor Systems for Object Tracking. – doi: 10.3390/s21144804. – ISSN 1424-8220 |
Słowa kluczowe | | image sensors, global sensor network, gamification, citizen science, convolutional neural networks, image classification, deep learning, CREDO | Abstrakt | | Gamification is known to enhance users’ participation in education and research projects that follow the citizen science paradigm. The Cosmic Ray Extremely Distributed Observatory (CREDO) experiment ... więcejGamification is known to enhance users’ participation in education and research projects that follow the citizen science paradigm. The Cosmic Ray Extremely Distributed Observatory (CREDO) experiment is designed for the large-scale study of various radiation forms that continuously reach the Earth from space, collectively known as cosmic rays. The CREDO Detector app relies on a network of involved users and is now working worldwide across phones and other CMOS sensor-equipped devices. To broaden the user base and activate current users, CREDO extensively uses the gamification solutions like the periodical Particle Hunters Competition. However, the adverse effect of gamification is that the number of artefacts, i.e., signals unrelated to cosmic ray detection or openly related to cheating, substantially increases. To tag the artefacts appearing in the CREDO database we propose the method based on machine learning. The approach involves training the Convolutional Neural Network (CNN) to recognise the morphological difference between signals and artefacts. As a result we obtain the CNN-based trigger which is able to mimic the signal vs. artefact assignments of human annotators as closely as possible. To enhance the method, the input image signal is adaptively thresholded and then transformed using Daubechies wavelets. In this exploratory study, we use wavelet transforms to amplify distinctive image features. As a result, we obtain a very good recognition ratio of almost 99% for both signal and artefacts. The proposed solution allows eliminating the manual supervision of the competition process. |
Lista MNiSW/MEiN | | tak | Punktacja czasopisma | | 100 | Impact Factor | | 3.576 | Publikacja indeksowana w Web of Science | | tak | Publikacja indeksowana w bazie Scopus | | tak | Dyscyplina | | informatyka techniczna i telekomunikacja informatyka techniczna i telekomunikacja Dziedzina nauk inżynieryjno-technicznych |
Publikacja w Open Access (OA) | | tak |
Link do publikacji | | przejdź | Projekt spoza indeksu BPP | | AGH University of Science and Technology in the year 2021 as research project No. 16.16.120.773 | Kolekcja | | |
|