VEGA 1/0394/22 – Center for Intelligent Technologies

Základný výskum metód hlbokého učenia pre spracovanie obrazu

Basic research of deep learning methods for image processing (DL4VISION)

VEGA 1/0394/22
2022 – 2025

Abstrakt projektu

Projekt navrhuje základný výskum v oblasti hlbokého učenia vo výpočtovo náročných prostrediach a je pokračovaním projektu VEGA 1/0773/16, v ktorom sme sa zameriavali na základný výskum v oblasti umelej inteligencie pre inteligentnú robotiku s dôrazom na sociálnu robotiku. Cieľom nového projektového zámeru je preskúmať problematiku hlbokého učenia (DL) s dôrazom na výskum rôznych topológií hlbokých neurónových sietí (DNN) a metód ich trénovania s využitím nástrojov výpočtovej inteligencie pre spracovanie obrazu, ako aj navrhnúť prístupy k vysvetľovaniu metód hlbokého učenia.

Riešiteľský kolektív

zodpovedný riešiteľ: prof. Peter Sinčák, CSc.

doc. Ing. Marek Bundzel
Ing. Ján Magyar, PhD.
doc. Marián Mach, CSc.
Ing. Martina Szabóová, PhD.

Publikačné výstupy

VRANAY, Dominik – HLIBOKÝ, Maroš – KOVÁCS, László – SINČÁK, Peter: Using segmentation to boost classification performance and explainability in capsnets. In: Machine Learning and Knowledge Extraction. Roč. 6, č. 3 (2024), s. 1439–1465 [online]. Basel (Švajčiarsko): Multidisciplinary Digital Publishing Institute.ISSN 2504-4990 (online). (Databázy: WOS, SCOPUS. Impakt faktor: 6.00).

SINČÁK, Peter – VRANAY, Dominik – PITUKOVÁ, Laura: Unveiling the Power of Capsule Networks: A Comparative Study with Convolutional Neural Networks in Feature Extraction and Transfer Learning. In: Electrical Engineering and Informatics 15 : Proceedings of the Faculty of Electrical Engineering and Informatics of the Technical University of Košice. Košice (Slovensko): Technická univerzita v Košiciach, s. 516–522 [online]. ISBN 978-80-553-4682-3 (2024).

MACH, Marián – PERIGNÁTH, Martin: Štrukturálne regularizačné metódy pre hlboké siete. In: Electrical Engineering and Informatics 15 : Proceedings of the Faculty of Electrical Engineering and Informatics of the Technical University of Košice. Košice (Slovensko): Technická univerzita v Košiciach, 2024, s. 95–99 [online]. ISBN 978-80-553-4682-3.

MACH, Marián – KRASNOVA, Yana: Image generation using diffusion deep models. In: Electrical Engineering and Informatics 15 : Proceedings of the Faculty of Electrical Engineering and Informatics of the Technical University of Košice. Košice (Slovensko): Technická univerzita v Košiciach, 2024, s. 167–171 [online]. ISBN 978-80-553-4682-3.

MACH, Marián – ONDO-EŠTOK, Martin: Numerická optimalizácia pomocou aritmetického optimalizačného algoritmu. In: Electrical Engineering and Informatics 15 : Proceedings of the Faculty of Electrical Engineering and Informatics of the Technical University of Košice. Košice (Slovensko): Technická univerzita v Košiciach, 2024, s. 68–72 [online]. ISBN 978-80-553-4682-3.

MACH, Marián – LACKO, Dávid: Digitálne dvojča hracej dosky v jednoduchých hrách. In: Electrical Engineering and Informatics 15 : Proceedings of the Faculty of Electrical Engineering and Informatics of the Technical University of Košice. Košice (Slovensko): Technická univerzita v Košiciach, 2024, s. 89–94 [online]. ISBN 978-80-553-4682-3.

NOVÁK, Daniel – MACH, Marián: Učenie neurónových sietí typu MLP pomocou algoritmu simulovaného žíhania. In: Electrical Engineering and Informatics 15 : Proceedings of the Faculty of Electrical Engineering and Informatics of the Technical University of Košice. Košice (Slovensko): Technická univerzita v Košiciach, 2024, s. 351–355 [online]. ISBN 978-80-553-4682-3.

FURMAN, Dmytro – MACH, Marián – VRANAY, Dominik – SINČÁK, Peter: Exploring Interpretable XAI Algorithms for Image Classification and Prediction Explanations. In: DISA 2023 : World Symposium on Digital Intelligence for Systems and Machines. New York (USA): Institute of Electrical and Electronics Engineers, 2023, s. 66–71 [print, online]. ISBN 979-8-3503-4352-6. (Databáza: SCOPUS).

VRANAY, Dominik – KATONA, Martin – SINČÁK, Peter: Comparative Analysis of Convolutional and Capsule Networks on Decreasing Dataset Sizes: Insights for Real-World Applications. In: DISA 2023 : World Symposium on Digital Intelligence for Systems and Machines. New York (USA): Institute of Electrical and Electronics Engineers, 2023, s. 232–238 [print, online]. ISBN 979-8-3503-4352-6. (Databáza: SCOPUS).

MAGYAR, Ján – SZABÓOVÁ, Martina – SINČÁK, Peter: Enhancing Museum Visitor Engagement: Personalized Learning with Adaptive Robot Tutor. In: IEEE 22nd World Symposium on Applied Machine Intelligence and Informatics : Proceedings. Danvers (USA): Institute of Electrical and Electronics Engineers, 2024. (Databázy: SCOPUS)

DUDIAK, Daniel – SZABÓOVÁ, Martina – MAGYAR, Ján: Exploring q-learning in social robots for English-Slovak vocabulary learning. In: 2023 IEEE 23rd International Symposium on Computational Intelligence and Informatics. Danvers (USA): Institute of Electrical and Electronics Engineers, 2023, s. 25–30 [online, USB-key]. ISBN 979-8-3503-4294-9 (online). (Databáza: SCOPUS).

MAGYAR, Ján – SZABÓOVÁ, Martina: Interakcia so seniormi pomocou sociálnych robotov. In: Umelá inteligencia, informatizácia a robotizácia a ich využitie v rámci formálnej a neformálnej starostlivosti : zborník príspevkov vedeckého sympózia. Prešov (Slovensko): Prešovská univerzita v Prešove, 2023, s. 6–14 [online]. ISBN 978-80-555-3071-0 (online).

MACHOVÁ, Kristína – MACH, Marián – BALARA, Viliam: Detection of fake news relate to covid-19. In: DISA 2023 : World Symposium on Digital Intelligence for Systems and Machines. New York (USA): Institute of Electrical and Electronics Engineers, s. 161–166 [print, online]. ISBN 979-8-3503-4352-6.

PARALIČ, Ján – MACHOVÁ, Kristína – SZABÓOVÁ, Martina – MIČKO, Ján: Detection of emotion by text analysis using machine learning. In: Frontiers in psychology. Roč. 14 (2023), s. [1–14] [online]. (Databázy: WOS, SCOPUS, Current Contents Connect, Kvartil: WOS:Q2 SCO:Q2 Impakt faktor: 2.6).

Poďakovanie

Tento výskum vznikol s podporou Vedeckej grantovej agentúry Ministerstva školstva, výskumu, vývoja a mládeže Slovenskej republiky a Slovenskej akadémie vied (VEGA) Slovenskej republiky v rámci projektu VEGA 1/0394/22.

This work was supported by the Scientific Grant Agency of the Ministry of Education, Science, Research and Sport of the Slovak Republic, and the Slovak Academy of Sciences under grant no. 1/0394/22, project “Basic Research of Deep Learning for Image processing – DL4VISION”.