ICPRAM

International Conference on Pattern Recognition Applications and Methods (ICPRAM) hålls årligen sedan 2012. Från början hålls den i samband med två andra konferenser: ICAART - International Conference on Agents and Artificial Intelligence och ICORES - International Conference on Operations Research and Enterprise System.

ICPRAM består av två huvudområden: teori och metoder och tillämpningar. Vart och ett av dessa områden utgörs av flera underämnen som evolutionär beräkning , densitetsuppskattning , spektralmetod , kombinatorisk optimering , förstärkningsinlärning , metainlärning , konvex optimering i fallet med teori och metoder och naturlig språkbehandling , robotik , signalbehandling , Informationssökning , uppfattning inom applikationsområdet.

Konferensbidragen görs tillgängliga på SCITEPRESS digitala bibliotek och publiceras i konferenshandlingarna . Den har också gjort ett urval av de bästa artiklarna som presenterades på konferensen för publicering i en Springer- volym.

Förutom presentationen av artiklar från författarna, består konferensen av handledningar . Konferensen hade till exempel en handledning om Säkra vårt samhälle - Computer Vision Techniques for Video Surveillance som gavs av Huiyu Zhou från Queen's University Belfast, Storbritannien.

Sedan den första upplagan har ICPRAM räknat med flera huvudtalare som Tomaso Poggio , Josef Kittler , Hanan Samet , Nello Cristianini , John Shawe-Taylor och Antonio Torralba.


Upplagor

Best Paper Awards

2019

Område: Applikationer

Pris för bästa papper : Yehezkel S. Resheff, Itay Lieder och Tom Hope. "Alla tillsammans nu! Fördelarna med att adaptivt smälta samman förutbildade djupa representationer"

Område: Applikationer

Pris för bästa studentuppsats : Manex Serras, María Inés Torres och Arantza del Pozo. "Målkonditionerad användarmodellering för dialogsystem med Stokastiska Bi-Automata"

2018

Område: Teori och metoder

Pris för bästa papper : Huanqian Yan, Yonggang Lu och Heng Ma. "Densitetsbaserad klustring med automatisk densitetstoppdetektion"

Område: Applikationer

Pris för bästa studentuppsats : Marcin Kopaczka, Marco Saggiomo, Moritz Guttler, Thomas Gries och Doreit Merhof. "Helautomatisk detektering av felaktig inslagstråd med hjälp av ett kamerasystem och funktionsbaserad mönsterigenkänning"

2017

Område: Teori och metoder

Pris för bästa papper : Seiya Satoh och Ryohei Nakano. "Hur nya informationskriterier WAIC och WBIC fungerade för val av MLP-modell"

Pris för bästa student : Xiaoyi Chen och Régis Lengellé. "Domänanpassningsöverföringslärande av SVM med förbehåll för en begränsning som liknar maximala medelavvikelser"

Område: Applikationer

Pris för bästa papper : Sarah Ahmed och Tayyaba Azim. "Kompressionstekniker för Deep Fisher-vektorer"

Bästa studentpris :Niels Ole Salscheider, Eike Rehder och Martin Lauer. "Analys av regioner för fotgängardetektering"

2016

Område: Teori och metoder

Pris för bästa papper : Anne C. van Rossum, Hai Xiang Lin, Johan Dubbeldam och H. Jaap van den Herik. "Icke-parametrisk Bayesian Line Detection - Mot korrekta prioriteringar för Robotic Computer Vision"

Pris för bästa student : Roghayeh Soleymani, Eric Granger och Giorgio Fumera. "Classifier-ensembler med bana under-sampling för ansiktsidentifiering"

Område: Applikationer

Pris för bästa papper : Jeonghwan Park, Kang Li och Huiyu Zhou . "k-faldig delsamplingsbaserad sekventiell eliminering av bakåtfunktion"

Pris för bästa student : Julia Richter, Christian Wiede, Enes Dayangac, Markus Heß och Gangolf Hirtz. "Aktivitetsigenkänning baserat på resonemang på hög nivå - en experimentell studie som utvärderar närhet till objekt och positionsinformation"

2015

Område: Teori och metoder

Pris för bästa papper : Mohamed-Rafik Bouguelia, Yolande Belaïd och Abdel Belaïd. " Strömbaserat aktivt lärande i närvaro av etikettbrus "

Bästa studentuppsats : João Costa och Jaime S. Cardoso. "oAdaBoost"

Område: Applikationer

Pris för bästa papper : Wei Quan, Bogdan Matuszewski och Lik-Kwan Shark. "3D-formmatchning för ansiktsanalys och igenkänning"

Bästa studentuppsats : Julia Richter, Christian Wiede och Gangolf Hirtz. "Mobilitetsbedömning av dementa personer med hjälp av ställningsuppskattning och rörelsedetektion"

2014

Område: Teori och metoder

Pris för bästa papper : Jameson Reed, Mohammad Naeem och Pascal Matsakis. "En första algoritm för att beräkna krafthistogram i fallet med 3D-vektorobjekt"

Bästa studentuppsats : Johannes Herwig, Timm Linder och Josef Pauli. "Ta bort rörelseoskärpa med hjälp av naturlig bildstatistik"

Område: Applikationer

Pris för bästa papper : Sebastian Kurtek, Chafik Samir och Lemlih Ouchchane. "Statistisk formmodell för simulering av realistisk endometrial vävnad"

Bästa studentuppsats : Florian Baumann, Jie Lao, Arne Ehlers och Bodo Rosenhahn. "Motion Binary Patterns for Action Recognition"

2013

Område: Teori och metoder

Pris för bästa papper : Barbara Hammer, Andrej Gisbrecht och Alexander Schulz. "Tillämpningar av diskriminerande dimensionsminskning"

Bästa studentuppsats : Cristina Garcia-Cardona, Arjuna Flenner och Allon G. Percus. "Multiclass diffusa gränssnittsmodeller för halvövervakad inlärning på grafer"

Område: Applikationer

Pris för bästa papper : Yoshito Otake, Carneal Catherine, Blake Lucas, Gaurav Thawait, John Carrino, Brian Corner, Marina Carboni, Barry DeCristofano, Michale Maffeo, Andrew Merkle och Mehran Armand. "Förutsägelse av organgeometri från demografiska och antropometriska data baserad på övervakad inlärningsmetod med hjälp av statistisk formatlas"

Bästa studentuppsats : James Lotspeich och Mathias Kolsch. "Spåra subpixelmål med kritiskt samplad optik"

2012

Område: Teori och metoder

Pris för bästa papper : Martin Emms och Hector-Hugo Franco-Penya. "PÅ BESTÄLLNINGSEKVIVALENSER MELLAN AVSTÅND OCH LIKHETSÅTGÄRDER PÅ SEKVENSER OCH TRÄD"

Bästa studentuppsats : Anna C. Carli, Mario AT Figueiredo , Manuele Bicego och Vittorio Murino. "GENERATIVA INBÄDDNINGAR BASERADE PÅ RIKISKA BLANDNINGAR"

Område: Applikationer

Pris för bästa papper : Laura Antanas, Martijn van Otterlo, José Oramas, Tinne Tuytelaars och Luc De Raedt. "ET RELATIONELLT AVSTÅNDSBASERAT RAMVERK FÖR HIERARKISK BILDFÖSTSTÅELSE"

Bästa studentuppsats : Laura Brandolini och Marco Piastra. "BERÄKNING AV REEB-GRAFEN FÖR TRIANGELMASKOR MED AKTIVA KONTURER"

  1. ^   Latorre Carmona, Pedro; Sánchez, J. Salvador; Fred, Ana LN (2012-11-09). Matematiska metoder för mönsterigenkänning och maskininlärning . Springer. ISBN 9781461450764 .
  2. ^   Latorre Carmona, Pedro; Sánchez, J. Salvador; Fred, Ana LN (2013-02-28). Mönsterigenkänning - Tillämpningar och metoder . Springer. ISBN 9783642365300 .
  3. ^   Fred, Ana; De Marsico, Maria; Figueiredo, Mário (2016-01-08). Tillämpningar och metoder för mönsterigenkänning . Springer. ISBN 9783319276779 .
  4. ^ "Alla tillsammans nu! Fördelarna med att adaptivt smälta samman förutbildade djupa representationer" .
  5. ^ "Målbetingad användarmodellering för dialogsystem genom att använda Stokastiska Bi-Automata" .
  6. ^ "Densitetsbaserad klustring som använder automatisk densitetstoppupptäckt" .
  7. ^ "Helautomatisk detektering av felaktig inslagstråd med hjälp av ett kamerasystem Funktionsbaserad mönsterigenkänning" .
  8. ^   Nakano, Ryohei; Satoh, Seiya (2017). "Hur nya informationskriterier WAIC och WBIC fungerade för val av MLP-modell". Handlingar från den 6:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . s. 105–111. doi : 10.5220/0006120301050111 . ISBN 978-989-758-222-6 .
  9. ^   Lengellé, Régis; Chen, Xiaoyi (2017). "Domänanpassningsöverföringslärande av SVM med förbehåll för en begränsning som liknar maximala medelavvikelser". Handlingar från den 6:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . s. 89–95. doi : 10.5220/0006119900890095 . ISBN 978-989-758-222-6 .
  10. ^   Azim, Tayyaba; Ahmed, Sarah (2017). "Kompressionstekniker för Deep Fisher-vektorer". Handlingar från den 6:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . s. 217–224. doi : 10.5220/0006205002170224 . ISBN 978-989-758-222-6 .
  11. ^   Lauer, Martin; Rehder, Eike; Salscheider, Niels Ole (2017). "Analys av Regionlets för fotgängardetektering". Handlingar från den 6:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . s. 26–32. doi : 10.5220/0006094100260032 . ISBN 978-989-758-222-6 .
  12. ^   Zhou, Huiyu; Li, Kang; Park, Jeonghwan (2016). "K-faldig delsamplingsbaserad sekventiell eliminering av bakåtfunktion" (PDF) . Icke-parametrisk Bayesian linjedetektering - mot korrekta förutsättningar för robotisk datorseende . s. 423–430. doi : 10.5220/0005688804230430 . ISBN 978-989-758-173-1 .
  13. ^   Fumera, Giorgio; Granger, Eric; Soleymani, Roghayeh (2016). "Classifier Ensembles with Trajectory Under-Sampling for Face Re-Identification" (PDF) . Handlingar från den 5:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . s. 97–108. doi : 10.5220/0005698300970108 . ISBN 978-989-758-173-1 .
  14. ^ Mönsterigenkänning och applikationslabb. "Classifier-ensembler med undersampling av bana för ansiktsidentifiering" .
  15. ^   Zhou, Huiyu; Li, Kang; Park, Jeonghwan (2016). "k-faldig delsamplingsbaserad sekventiell eliminering av bakåtfunktion" (PDF) . Handlingar från den 5:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . s. 423–430. doi : 10.5220/0005688804230430 . ISBN 978-989-758-173-1 .
  16. ^ Queen's University Belfast. "K-FOLD SUBSAMPLING-BASERAD SEKVENTIELL BAKÅT FUNKTION ELIMINERING" .
  17. ^ Biomedicinskt avbildar bearbetningslabbet. "Biomedicinsk bildbehandlingslabb" .
  18. ^   Hirtz, Gangolf; Heß, Markus; Dayangac, Enes; Wiede, Christian; Richter, Julia (2016). "Aktivitetsigenkänning baserat på resonemang på hög nivå - en experimentell studie som utvärderar närhet till objekt och positionsinformation". Aktivitetsigenkänning baserat på resonemang på hög nivå - en experimentell studie som utvärderar närhet till objekt och information om posering . s. 415–422. doi : 10.5220/0005658804150422 . ISBN 978-989-758-173-1 .
  19. ^   Belaïd, Abdel; Belaïd, Yolande; Bouguelia, Mohamed-Rafik (2015). "Strömbaserat aktivt lärande i närvaro av etikettbrus". Handlingar från den internationella konferensen om tillämpningar och metoder för mönsterigenkänning . s. 25–34. doi : 10.5220/0005178900250034 . ISBN 978-989-758-076-5 .
  20. ^   Cardoso, Jaime S.; Costa, João (2015). "OAda Boost - en Ada Boost- variant för ordinalklassificering" . oAdaBoost . s. 68–76. doi : 10.5220/0005191600680076 . ISBN 978-989-758-076-5 .
  21. ^   Haj, Lik-Kwan; Matuszewski, Bogdan; Quan, Wei (2015). "3D-formmatchning för ansiktsanalys och igenkänning" ( PDF) . Handlingar från den internationella konferensen om tillämpningar och metoder för mönsterigenkänning . s. 45–52. doi : 10.5220/0005180300450052 . ISBN 978-989-758-076-5 .
  22. ^   Hirtz, Gangolf; Wiede, Christian; Richter, Julia (2015). "Mobilitetsbedömning av dementa personer med hjälp av ställningsuppskattning och rörelsedetektion - en experimentell studie inom området Ambient Assisted Living". Rörlighetsbedömning av dementa personer med hjälp av ställningsuppskattning och rörelsedetektion . s. 22–29. doi : 10.5220/0005178700220029 . ISBN 978-989-758-076-5 .
  23. ^    "En första algoritm för att beräkna krafthistogram i fallet med vektorobjekt 3D" . Handlingar från den 3:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . 2014. s. 104–112. doi : 10.5220/0004828101040112 . ISBN 978-989-758-018-5 . S2CID 31742815 .
  24. ^    "Ta bort rörelseoskärpa med Natural Image Statistics" . Handlingar från den 3:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . 2014. s. 125–136. doi : 10.5220/0004830201250136 . ISBN 978-989-758-018-5 . S2CID 10955870 .
  25. ^    "Statistisk formmodell för simulering av realistisk endometrial vävnad" . Handlingar från den 3:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . 2014. s. 421–428. doi : 10.5220/0004821904210428 . ISBN 978-989-758-018-5 . S2CID 35045639 .
  26. ^    "Rörelsebinära mönster för handlingsigenkänning". Handlingar från den 3:e internationella konferensen om tillämpningar och metoder för mönsterigenkänning . 2014. s. 385–392. CiteSeerX 10.1.1.431.3504 . doi : 10.5220/0004816903850392 . ISBN 978-989-758-018-5 .
  27. ^    "Tillämpningar av diskriminerande dimensionsminskning" . Proceedings of the 2nd International Conference on Pattern Recognition Applications and Methods . 2013. s. 33–41. doi : 10.5220/0004245300330041 . ISBN 978-989-8565-41-9 . S2CID 1176842 .
  28. ^     "Multiclass diffusa gränssnittsmodeller för halvövervakad inlärning på grafer". Proceedings of the 2nd International Conference on Pattern Recognition Applications and Methods . 2013. s. 78–86. CiteSeerX 10.1.1.751.4995 . doi : 10.5220/0004268100780086 . ISBN 978-989-8565-41-9 . S2CID 6926524 .
  29. ^    "Förutsägelse av organgeometri från demografiska och antropometriska data baserat på övervakad inlärningsmetod genom att använda statistisk formatlas" . Proceedings of the 2nd International Conference on Pattern Recognition Applications and Methods . 2013. s. 365–374. doi : 10.5220/0004263803650374 . ISBN 978-989-8565-41-9 . S2CID 8841088 .
  30. ^   "Spåra subpixelmål med kritiskt samplad optik". Proceedings of the 2nd International Conference on Pattern Recognition Applications and Methods . 2013. s. 375–381. doi : 10.5220/0004263903750381 . hdl : 10945/63537 . ISBN 978-989-8565-41-9 .
  31. ^    "PÅ BESTÄLLNINGSEKVIVALENSER MELLAN AVSTÅND OCH LIKHETSÅTGÄRDER PÅ SEKVENSER OCH TRÄD" . Handlingar från den första internationella konferensen om tillämpningar och metoder för mönsterigenkänning . 2012. s. 15–24. doi : 10.5220/0003712500150024 . hdl : 2262/63823 . ISBN 978-989-8425-98-0 . S2CID 878348 .
  32. ^    "EN RELATIONELL AVSTÅNDSBASERAD RAMVERK FÖR HIERARKISK AVBILDA FÖRSTÅELSE" . Handlingar från den första internationella konferensen om tillämpningar och metoder för mönsterigenkänning . 2012. s. 206–218. doi : 10.5220/0003779702060218 . ISBN 978-989-8425-98-0 . S2CID 41309512 .
  33. ^    "ATT BERÄKNA REEB-GRAFEN FÖR TREANGELLMASKOR MED AKTIVA KONTURER" . Handlingar från den första internationella konferensen om tillämpningar och metoder för mönsterigenkänning . 2012. s. 80–89. doi : 10.5220/0003745500800089 . ISBN 978-989-8425-98-0 . S2CID 16802115 .

externa länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=ICPRAM&oldid=1071861388 "