MétaCan
Menu
Retour à la cohorte
Enregistrement W1483719133

A Triple-diagonal Gradient-based Edge Detection.

2003· article· en· W1483719133 sur OpenAlexfundno aff
Qiang Wu, Xiangjian He, Tom Hintz

Notice bibliographique

RevueUTS ePRESS (University of Technology Sydney) · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, IrvineNational Taiwan UniversityShanghai Jiao Tong UniversityZhejiang UniversityTechnische Universität BerlinUniversität WienHongik UniversityUniversity of BristolUniversidad EAFITUniversity of Massachusetts DartmouthChinese Academy of SciencesUniversity of ReginaUniversidad de MálagaCity University of Hong KongUniversidad Pública de NavarraNanyang Technological UniversityUniversity of MissouriUniversidad de NavarraUniversity of TorontoUniversity of BedfordshireDartmouth CollegeUniversity of Miami
Mots-clésDiagonalEdge detectionEnhanced Data Rates for GSM EvolutionArtificial intelligenceMathematicsImage gradientMorphological gradientComputer visionComputer scienceGeometryAlgorithmPattern recognition (psychology)Image processingImage (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Gradient-based edge detection is a straightforward method to identify the edge points in the original grey-level image. It is consistent with the intuition that in the human vision system the edge points always appear where the change of grey-level is greatest within their neighbourhood. In this paper, triple-diagonal gradient-based edge detection is introduced. It is based on the features of Spiral Architecture and computes the gradients in three diagonal directions instead of approximating the gradient in one direction only as the traditional methods do. Essentially, it improves the accuracy for locating edge points. As a result, it does not need any supplementary processing to enhance the edge map.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,634

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,214
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTS ePRESS (University of Technology Sydney)Même sujetMedical Image Segmentation TechniquesTravaux en français237 207