Szczegóły publikacji
Opis bibliograficzny
Projektowanie zbiorów danych dla poprawy jakości obrazów podwodnych: analiza wpływu podobieństwa próbek na skuteczność modeli AI — Dataset design for underwater image enhancement: an analysis of sample similarity effects on AI model performance / Doğukan ÖZTÜRK, Dawid JUSZKA // Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne ; ISSN 1230-3496 . — 2026 — R. 98 nr 4, s. 489–492. — Bibliogr. s. 492, Streszcz., Abstr. — W artykule podano błędny rocznik czasopisma. — KRiT 2026 : Konferencja Radiokomunikacji i Teleinformatyki : 23–25 września 2026, Wrocław
Autorzy (2)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 170726 |
|---|---|
| Data dodania do BaDAP | 2026-11-18 |
| Tekst źródłowy | URL |
| DOI | 10.15199/59.2026.4.113 |
| Rok publikacji | 2026 |
| Typ publikacji | referat w czasopiśmie |
| Otwarty dostęp | |
| Creative Commons | |
| Czasopismo/seria | Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne |
Abstract
Dataset design is vital for AI-based underwater image enhancement and remotely acquired visual content used in underwater monitoring and teleoperation. Independent training, validation, and test subsets are required for unbiased evaluation, while controlled transformations of visually related samples may support data enrichment during training. This study compares filtering and color-jitter configurations and shows that samplesimilarity-guided enrichment can improve no-reference image-quality outcomes.
Streszczenie
Prawidłowa konstrukcja zbiorów treningowego, walidacyjnego i testowego jest kluczowa dla metod poprawy jakości obrazów podwodnych opartych na AI. Wszystkie podzbiory powinny reprezentować ten sam rozkład danych, przy jednoczesnym wykluczeniu duplikatów i próbek niemal identycznych, aby uniknąć wycieku danych i błędnej oceny wyników. Nasze eksperymenty pokazują, że staranne projektowanie zbiorów danych znacząco poprawia skuteczność poprawy jakości obrazów.