1,721,099 research outputs found
Datasets for a data-centric image classification benchmark for noisy and ambiguous label estimation
No full textThis is the official data repository of the Data-Centric Image Classification (DCIC) Benchmark.
The goal of this benchmark is to measure the impact of tuning the dataset instead of the model for a variety of image classification datasets.
Paper: https://arxiv.org/abs/2207.06214
Source Code: https://github.com/Emprime/dcic
## Citation
Please cite as
@article{schmarje2022benchmark,
author = {Schmarje, Lars and Grossmann, Vasco and Zelenka, Claudius and Dippel, Sabine and Kiko, Rainer and Oszust, Mariusz and Pastell, Matti and Stracke, Jenny and Valros, Anna and Volkmann, Nina and Koch, Reinahrd},
journal = {36th Conference on Neural Information Processing Systems (NeurIPS 2022) Track on Datasets and Benchmarks},
title = {{Is one annotation enough? A data-centric image classification benchmark for noisy and ambiguous label estimation}},
year = {2022}
}
Please see the full details about the used datasets below, which should also be cited as part of the license
Innovatiivinen ruokajärjestelmä : Tutkimusohjelman loppuraportti
Full text linkInnovatiivinen ruokajärjestelmä- tutkimusohjelman (InnoFood), 2016–2020, visiona on ollut tuottaa ratkaisuja kestävään ruokajärjestelmään, jossa tuotettu ruoka on terveellistä ja sen tuotanto ja kulutus tapahtuvat kestävästi luonnonvaroja säästäen sekä niitä optimaalisesti käyttäen ja kierrättäen. Ohjelmassa toimittiin neljällä fokusalueella, joiden tavoitteina oli: 1) Arvioida ja edistää uusia tuotantomenetelmiä (genomiikka ja jalostus, teknologiat) 2) Parantaa eläintuotantoketjun kestävyyttä ja kilpailukykyä, 3) Lisätä kasvintuotannon kilpailukykyä ja viljelyjärjestelmien monimuotoisuutta sekä 4) Kehittää terveellisiä ja kestäviä korkean lisäarvon ruoka- ja rehukonsepteja. Ohjelmakauden aikana Luke uudisti voimakkaasti tutkimusprofiiliaan, toimipaikkarakennettaan ja tutkimusalustojaan. InnoFood -ohjelma osallistui aktiivisesti tutkimuksen strategisesta suuntaamisesta ja tutkimusalustoista käytyyn keskusteluun, suunnitteluun ja toteutukseen. Ohjelman pitkäjänteinen toiminta tulee jatkumaan Luken uuden ohjelmarakenteen kaikkiin ohjelmiin integroituneena.
InnoFood -ohjelma toimi tiiviissä yhteistyössä BioSociety -ohjelman (Kestävä luonnonvaratalous yhteiskunnassa) kanssa, ja onkin vaikea erottaa näiden kahden ohjelman rooleja ruokajärjestelmän kehittämisessä. Erityisesti kestävyyteen ja kiertotalouteen liittyvät aiheet ovat olleet yhteistä tekemistä. Osa tämän loppuraportin teksteistä on BioSocietyn asiantuntijoiden tuottamia. InnoFood onnistui hienosti ulkopuolisen rahoitusosuuden kasvattamisessa: mm. EU:n H2020 ohjelmasta saatiin neljä koordinoitavaa hanketta, ja lisäksi oltiin partnerina 16 H2020-hankkeessa. Suomen Akatemian rahoitusosuus kasvoi erityisesti ohjelmakauden loppua kohden. Asiakasrahoituksen kasvattamisessa ohjelma on ollut Lukessa edelläkävijä, vuonna 2019 saavutettiin jo yli 3 miljoonan euron asiakasrahoitus. Lisäksi Luken strategisella rahoituksella pyrittiin vahvistamaan osaamista tärkeiksi arvioiduilla tulevaisuuden aloilla, kuten mikrobien ja mikrobiyhteisöjen tutkimus, hyönteisten hyödyntäminen kiertotaloudessa, luomututkimus ja genomien editointi.
Viestinnällä on ollut keskeinen rooli tutkimustulosten ja tutkimuksen tarjoamien ratkaisujen esiintuomisessa. Viestiä ratkaisuista kestävään ruokajärjestelmään on välitetty niin mediatiedotteissa, podcasteissa, blogeissa kuin suuremmissa tapahtumissa, webinaareissa ja yksittäisten hankkeiden pellonpiennartapatumissa. Merkittävää on ollut tutkijoiden osallistuminen yhteiskunnalliseen keskusteluun niin lehtien sivuilla, sosiaalisessa mediassa kuin useissa tapahtumissa. Keskustelut ja tutkimustiedon jalkauttaminen suoraan maatilayrittäjille jatkuu muun muassa Luken vetämässä, alkuvuodesta käynnistyneessä AgriHubi-verkostossa, joka kokoaa yhteen alan maatilayritysten neuvonnan, tutkimuksen ja koulutuksen. Verkoston tavoitteena on edistää maatilayritysten kilpailukykyä ja uudistumista.202
Monitoring of cow location in barn by an open source low cost low energy Bluetooth tag system
No full textSupplementary materials for: Bloch, V., Pastell, M., 2020. Monitoring of Cow Location in a Barn by an Open-Source, Low-Cost, Low-Energy Bluetooth Tag System. Sensors 20, 3841. https://doi.org/10.3390/s2014384
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Automatic Lameness Detection in a Milking Robot : Instrumentation, measurement software, algorithms for data analysis and a neural network model
No full textThe aim of this thesis is to develop a fully automatic lameness detection system that operates in a milking robot. The instrumentation, measurement software, algorithms for data analysis and a neural network model for lameness detection were developed.
Automatic milking has become a common practice in dairy husbandry, and in the year 2006 about 4000 farms worldwide used over 6000 milking robots. There is a worldwide movement with the objective of fully automating every process from feeding to milking.
Increase in automation is a consequence of increasing farm sizes, the demand for more efficient production and the growth of labour costs. As the level of automation increases, the time that the cattle keeper uses for monitoring animals often decreases. This has created a need for systems for automatically monitoring the health of farm animals. The popularity of milking robots also offers a new and unique possibility to monitor animals in a single confined space up to four times daily.
Lameness is a crucial welfare issue in the modern dairy industry. Limb disorders cause serious welfare, health and economic problems especially in loose housing of cattle. Lameness causes losses in milk production and leads to early culling of animals. These costs could be reduced with early identification and treatment.
At present, only a few methods for automatically detecting lameness have been developed, and the most common methods used for lameness detection and assessment are various visual locomotion scoring systems. The problem with locomotion scoring is that it needs experience to be conducted properly, it is labour intensive as an on-farm method and the results are subjective.
A four balance system for measuring the leg load distribution of dairy cows during milking in order to detect lameness was developed and set up in the University of Helsinki Research farm Suitia. The leg weights of 73 cows were successfully recorded during almost 10,000 robotic milkings over a period of 5 months. The cows were locomotion scored weekly, and the lame cows were inspected clinically for hoof lesions. Unsuccessful measurements, caused by cows standing outside the balances, were removed from the data with a special algorithm, and the mean leg loads and the number of kicks during milking was calculated.
In order to develop an expert system to automatically detect lameness cases, a model was needed. A probabilistic neural network (PNN) classifier model was chosen for the task. The data was divided in two parts and 5,074 measurements from 37 cows were used to train the model. The operation of the model was evaluated for its ability to detect lameness in the validating dataset, which had 4,868 measurements from 36 cows. The model was able to classify 96% of the measurements correctly as sound or lame cows, and 100% of the lameness cases in the validation data were identified. The number of measurements causing false alarms was 1.1%. The developed model has the potential to be used for on-farm decision support and can be used in a real-time lameness monitoring system.Karjojen keskikoko kasvaa jatkuvasti ja automaatio lypsyssä ja ruokinnassa lisääntyy. Maailmassa oli vuonna 2006 käytössä yli 6000 lypsyrobottia ja Suomessakin noin 200. Tilakoon kasvun seurauksena karjanhoitajan yksittäisen eläimen tarkkailemiseen käyttämä aika lyhenee ja mahdollisuus havaita eläinten terveysongelmat heikkenee. Tästä johtuen automaattisia menetelmiä tarvitaan tuotannon lisäksi myös lehmien terveyden seurantaan.
Lypsykarjan ontuminen on yksi maailman suurimmista lehmien terveys- ja hyvinvointiongelmista. Jalkaongelmat aiheuttavat lehmille kipua ja heikentävät niiden hyvinvointia sekä heikentävät niiden maitotuotosta. Tuotoksen heikkeneminen, lehmien ennenaikainen poisto ja jalkavikojen hoito aiheuttavat merkittäviä taloudellisia menetyksiä karjan kasvattajille. Ontumisen aiheuttamia taloudellisia ja hyvinvointivaikutuksia voidaan pienentää merkittävästi, jos ongelma havaitaan ja hoidetaan aikaisessa vaiheessa.
Jalkavikojen automaattinen mittaaminen tilatasolla mahdollistaa ontumisen nykyistä tarkemman seurannan ja säästää viljelijän työaikaa avustamalla eläinten tarkkailussa. Tutkimukset osoittavat, että suuri osa ontuvista lehmistä jää tiloilla kokonaan huomaamatta. Ongelman tunnistaminen mahdollistaa sen hoitamisen ja parantaa samalla eläinten hyvinvointia ja tilan taloudellista tulosta.
Väitöstyö tehtiin Helsingin yliopiston Agroteknologian laitoksella ja mittaukset Suitian opetus- ja tutkimustilalla. Tutkimuksessa kehitettiin ensin nelivaakajärjestelmä, jolla punnitaan lehmän jokaisen jalan paino erikseen lypsyn aikana. Järjestelmä koostui neljästä leikkausvoima-anturista joiden päälle oli asennettu vaakasillat, vahvistimesta ja tietokoneesta sekä seurantaohjelmistosta. Järjestelmällä kerätyn yli 10 000 mittauksen ja säännöllisten eläinlääkärin tarkastusten perusteella kehitettiin jalkaviat havaitseva neuroverkkomalli. Valvontajärjestelmä havaitsi kaikki tutkimuksen aikaiset jalkaongelmat. Hälytyksen herkkyyttä voidaan säätää yhtä parametria muuttamalla. Kun valvonta säädetään varmasti havaitsemaan kaikki ongelmat, myös väärien hälytysten määrä lisääntyy. Tämä on useimmiten hyväksyttävää, koska hälytyksen tarkoitus on kiinnittää viljelijän huomio mahdollisesti sairaaseen eläimeen ja viljelijä tekee päätöksen hoitotarpeesta itse.ei saavutettav
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
- …
