| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Efficient compressed storage and fast reconstruction of large binary images using chain codes
Avtorji:ID Strnad, Damjan (Avtor)
ID Žlaus, Danijel (Avtor)
ID Nerat, Andrej (Avtor)
ID Žalik, Borut (Avtor)
Datoteke:.pdf s11042-024-20199-7_(1).pdf (1,45 MB)
MD5: 2D27E2A7F4859AB6D320CE2CE2808F2D
 
Jezik:Angleški jezik
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Large binary images are used in many modern applications of image processing. For instance, they serve as inputs or target masks for training machine learning (ML) models in computer vision and image segmentation. Storing large binary images in limited memory and loading them repeatedly on demand, which is common in ML, calls for efficient image encoding and decoding mechanisms. In the paper, we propose an encoding scheme for efficient compressed storage of large binary images based on chain codes, and introduce a new single-pass algorithm for fast parallel reconstruction of raster images from the encoded representation. We use three large real-life binary masks to test the efficiency of the proposed method, which were derived from vector layers of single-class objects – a building cadaster, a woody vegetation landscape feature map, and a road network map. We show that the masks encoded by the proposed method require significantly less storage space than standard lossless compression formats. We further compared the proposed method for mask reconstruction from chain codes with a recent state-of-the-art algorithm, and achieved between and faster reconstruction on test data
Ključne besede:binary mask, machine learning, chain code, binary encoding, bitmap reconstruction
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:02.07.2024
Datum sprejetja članka:30.08.2024
Datum objave:09.09.2024
Založnik:Springer Nature
Leto izida:2024
Št. strani:19 str.
PID:20.500.12556/DKUM-91712 Novo okno
UDK:004.42
COBISS.SI-ID:207446531 Novo okno
DOI:10.1007/s11042-024-20199-7 Novo okno
ISSN pri članku:1573-7721
Avtorske pravice:© The Author(s) 2024
Datum objave v DKUM:29.01.2025
Število ogledov:168
Število prenosov:157
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Multimedia tools and applications
Založnik:Kluwer
ISSN:1573-7721
COBISS.SI-ID:513219353 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0041-2020
Naslov:Računalniški sistemi, metodologije in inteligentne storitve

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:J2-4458-2022
Naslov:Paradigma stiskanja podatkov z odstranjevanjem obnovljivih informacij

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:strojno učenje, verižne kode, binarno enkodiranje


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici