Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Artificial Intelligence Techniques in Precision Marketing: A Multi-criteria Analysis and Comparative Study Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Object Identification: Comprehensive Approach Using Machine Learning Algorithms and Python Tools

verfasst von : Mustafa Al-Asadi, Bharat Bhushan

Erschienen in: Computing, Internet of Things and Data Analytics

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Computer vision systems have made advancements in object detection using Artificial Intelligence. This paper presents a comprehensive approach utilizing traditional machine learning models such as decision trees, support vector machines, logistic regression, k-nearest neighbors, and naive Bayes. These models are trained on a publicly available dataset from Github, offering diverse objects for recognition. Practical guidelines are provided for easy experimentation. Evaluation metrics include accuracy, precision, recall, and the F1 score. This paper serves as a valuable resource for object identification in the field.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Short Message Service Spam Detection System for Securing Mobile Text Communication Based on Machine Learning
Fußnoten
Literatur
1.
Oliveira, M., et al.: Concurrent learning of visual codebooks and object categories in open-ended domains. In: IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE (2015)
2.
Rasheed, J., et al.: A machine learning-based framework for diagnosis of COVID-19 from chest X-ray images. Interdiscip. Sci. Comp. Life Sci. 13, 103–117 (2021)CrossRef
3.
Guney, S., et al.: Abalone age prediction using machine learning. In: Mediterranean Conference on Pattern Recognition and Artificial Intelligence. Springer (2021)
4.
Zontul, M.: Customer Credit Rating Estimation Using Machine Learning Methods. Manchester J. Artif. Intell. Appl. Sci. 1(1) (2020)
5.
Knopp, J., et al.: Hough transform and 3D SURF for robust three dimensional classification. In: European Conference on Computer Vision. Springer (2010)
6.
Redmon, J., Farhadi, A.: YOLO9000: better, faster, stronger. arXiv preprint (2017)
7.
Hussain, S.A., Al Balushi, A.S.A.: A real time face emotion classification and recognition using deep learning model. In: J. Phys. Conf. Ser. IOP Publishing (2020)
8.
Camilleri, D., Prescott, T.: Analysing the limitations of deep learning for developmental robotics. In: Conference on Biomimetic and Biohybrid Systems. Springer ( 2017)
9.
Kim, J.-Y., et al.: A 201.4 GOPS 496 mW real-time multi-object recognition processor with bio- inspired neural perception engine. IEEE J. Solid-State Circuits 45(1), 32–45 (2009)
10.
Bradski, G.: The opencv library. Dr. Dobb’s J. Softw. Tools (2000)
11.
Pedregosa, F., et al.: Scikit-learn: machine learning in Python. J. Machine Learn. Res. 12(Oct), 2825–2830 (2011)
12.
Ruiz-Sarmiento, J.-R., Galindo, C., Gonzalez-Jimenez, J.: A survey on learning approaches for undirected graphical models. Application to scene object recognition. Int. J. Approx. Reasoning 83, 434–451 (2017)
13.
Ruiz-Sarmiento, J.-R., Galindo, C., Gonzalez-Jimenez, J.: Modelado del contexto geométrico para el reconocimiento de objetos. Actas de las XXXVIII Jornadas de Automática (2017)
14.
Ruiz-Sarmiento, J., et al.: mVision, a toolbox for computer vision courses. In: The 12th annual International Technology, Education and Development Conference (INTED2018) (2018)
15.
Wang, L., et al.: Object detection combining recognition and segmentation. In: Asian conference on computer vision. Springer (2007)
16.
Thomas, A., et al.: Towards multi-view object class detection. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’06). IEEE (2006)
17.
Cyganek, B.: Object Detection and Recognition in Digital Images: Theory and Practice. John Wiley & Sons (2013)
18.
McKinney, W.: Data structures for statistical computing in python. In: Proceedings of the 9th Python in Science Conference, Austin, TX (2010)
19.
20.
Ruiz-Sarmiento, J.R., Galindo, C., Gonzalez-Jimenez, J.: Robot@ home, a robotic dataset for semantic mapping of home environments. Int. J. Robot. Res. 36(2), 131–141 (2017)CrossRef
21.
Ruiz-Sarmiento, J., et al.: Navegación reactiva de un robot móvil usando Kinect. Universidad de Málaga, Campus de Teatinos, 29071 Málaga (2011)
22.
Ruiz-Sarmiento, J.-R., Galindo, C., Gonzalez-Jimenez, J.: Olt: A toolkit for object labeling applied to robotic RGB-D datasets. In: Mobile Robots (ECMR), 2015 European Conference on. IEEE (2015)
23.
Al-Asadi, M.: Interval-valued data analysis: a review. Artif. Intell. Stud. 5(2), 47–55 (2022)
24.
Al-Asadi, M.A., Tasdemír, S.: Empirical comparisons for combining balancing and feature selection strategies for characterizing football players using FIFA video game system. IEEE Access 9, 149266–149286 (2021)CrossRef
25.
Al-Asadi, M., Taşdemir, Ş., Örnek, H.K.: Predict the number of traffic accidents in turkey by using machine learning techniques and python tools. Artif. Intell. Stud. 5(2), 35–46 (2022)
26.
Al-Asadi, M.A., Taşdemir, Ş. Tezcan, B.: An online information system for football club management. In: Kongre Kitapçiěi/Congress Proceedings Book (2018)
Metadaten
Titel
Object Identification: Comprehensive Approach Using Machine Learning Algorithms and Python Tools
verfasst von
Mustafa Al-Asadi
Bharat Bhushan
Copyright-Jahr
2024
Buch
Computing, Internet of Things and Data Analytics

Print ISBN: 978-3-031-53716-5

Electronic ISBN: 978-3-031-53717-2

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-53717-2_46

Premium Partner

    Bildnachweise