| 1. |
-
En båge genom tiden - ritualer kring en göteborgshistoria. Om Flickläroverket i Artisten
- 2024
-
Samlingsverk (redaktörskap) (övrigt vetenskapligt/konstnärligt)abstract
- 1929 bildades Göteborgs första Högre allmänna läroverk för Flickor – Flickläroverket som fick en byggnad 1935 i det kulturella centrumet, Götaplatsen. Efter några år som Kjellbergska gymnasiet, sedan Komvux, blev byggnaden del av Artisten, Högskolan för scen och musik, HSM 1992. Byggnaden har burit kvinnors utbildning, konst och kultur över många generationer, en minneskedja som nu är bruten. Boken - En båge genom tiden – ritualer kring en göteborgshistoria – en konst- och forskningsantologi – är resultatet av de offentliga minnesdagar där de deltagande drygt 200 kvinnorna (70– 97 år) som varit elever på Flickläroverket, studenter vid Artisten, konstnärer och forskare – bidrog till och deltog i gestaltande ritualer, minnesrum, dans, utställningar och samtal som gav liv åt en utbildningskultur och konst som berört samhället i generationer. I boken bidrar ett 20-tal Göteborgsbaserade konstnärer och forskare med olika perspektiv på byggnadens poetiska, sociala och konstnärliga dimensioner. Bland annat beskrivs återskapandet av Bågdansen, som dansades varje år vid Lucia mellan 1934-1972. Här beskrivs även den medie-debatt som ledde till räddningen av målningen Dansen av Nils Nilsson från 1935 och hur nedtagningen gick till. Tillsammans med ett rikt foto- och bildmaterial, filmdokumentationer och ett ljudarkiv utgör boken ett tidsdokument där konst fungerar som minnesbärare över tid och rum.
|
|
| 2. |
- Hallösta, Simon, 1994-, et al.
(författare)
-
Effects of Foreground Augmentations in Synthetic Training Data on the Use of UAVs for Weed Detection
- 2024
-
Ingår i: Proceedings of Machine Learning Research. - : ML Research Press.
-
Konferensbidrag (refereegranskat)abstract
- This study addresses the issue of black-grass, a herbicide-resistant weed that threatens wheat yields in Western Europe, through the use of high- resolution Unmanned Aerial Vehicles (UAVs) and synthetic data augmentation in precision agriculture. We mitigate challenges such as the need for large labeled datasets and environmental variability by employing synthetic data augmentations in training a Mask R-CNN model. Using a minimal dataset of 43 black-grass and 12 wheat field images, we achieved a 37% increase in Area Under the Curve (AUC) over the non-augmented baseline, with scaling as the most effective augmentation. The best model attained a recall of 53% at a precision of 64%, offering a promising approach for future precision agriculture applications. © NLDL 2024. All rights reserved.
|
|
| 3. |
- Hallösta, Simon, 1994-, et al.
(författare)
-
Impact of Neural Network Architecture for Fingerprint Recognition
- 2024
-
Ingår i: Intelligent Systems and Pattern Recognition. - : Springer. - 9783031463341 - 9783031463358 ; , s. 3-14
-
Konferensbidrag (refereegranskat)abstract
- This work investigates the impact of the neural networks architecture when performing fingerprint recognition. Three networks are studied; a Triplet network and two Siamese networks. They are evaluated on datasets with specified amounts of relative translation between fingerprints. The results show that the Siamese model based on contrastive loss performed best in all evaluated metrics. Moreover, the results indicate that the network with a categorical scheme performed inferior to the other models, especially in recognizing images with high confidence. The Equal Error Rate (EER) of the best model ranged between 4%−11% which was on average 6.5 percentage points lower than the categorical schemed model. When increasing the translation between images, the networks were predominantly affected once the translation reached a fourth of the image. Our work concludes that architectures designed to cluster data have an advantage when designing an authentication system based on neural networks.
|
|
| 4. |
- Ramos, Lucas P., et al.
(författare)
-
Change Detection in Wavelength-Resolution SAR Image Stack Based on Tensor Robust PCA
- 2024
-
Ingår i: IEEE Geoscience and Remote Sensing Letters. - : Institute of Electrical and Electronics Engineers (IEEE). - 1545-598X .- 1558-0571. ; 21
-
Tidskriftsartikel (refereegranskat)abstract
- Wavelength-resolution (WR) synthetic aperture radar (SAR) change detection (CD) has been used to detect concealed targets in forestry areas. However, most proposed methods are generally based on matrix or vector analyses and, therefore, do not exploit information embedded in multidimensional data. In this letter, a CD method for WR SAR image stacks based on tensor robust principal component analysis (TRPCA) is proposed. The proposed CD method used the new tensor nuclear norm induced by the definition of the tensor-tensor product to exploit temporal and spatial information contained in the image stack. To assess the performance of the proposed method, we considered SAR images obtained by the very high frequency (VHF) WR CARABAS-II SAR system. Experiments for three different stack sizes show that a significant performance gain can be achieved when large image stacks are considered. The proposed CD method performs better in terms of probability of detection (PD) and false alarm rate (FAR) than the other five CD methods in VHF WR SAR images, including one based on matrix robust principal component analysis (RPCA). In a particular setting, it achieves a PD of 99% and a FAR of 0.028 false alarms per km2. Authors
|
|
