Auflistung nach Autor:in "Yahyapour, Ramin"
1 - 3 von 3
Treffer pro Seite
Sortieroptionen
- ZeitschriftenartikelE-Science Infrastrukturen(Informatik Spektrum: Vol. 41, No. 6, 2018) Yahyapour, Ramin
- KonferenzbeitragEntwicklung eines vielfältigen und anspruchsvollen Benchmark-Datensatzes für die Detektion von Schweinen in Bildern(44. GIL - Jahrestagung, Biodiversität fördern durch digitale Landwirtschaft, 2024) Henrich, Jonathan; Post, Christian; Kneib, Thomas; Yahyapour, Ramin; Bingert, Sven; Traulsen, ImkeDie Lokalisation von Schweinen in Videobildern mittels Objektdetektion spielt eine Schlüsselrolle bei der Gestaltung digitaler Überwachungssysteme in der Schweinehaltung. Um leistungsstarke Schweinedetektionsmodelle zu trainieren und systematisch miteinander zu vergleichen, bedarf es diverser und für Detektionsmodelle anspruchsvoller annotierter Datensätze. Aktuell sind solche Ressourcen nur begrenzt verfügbar. Dem soll im Rahmen dieser Arbeit nachgegangen werden, indem die Grundlage für einen anspruchsvollen Benchmark-Datensatz für die Schweinedetektion geschaffen wird. Anspruchsvolle Bilder, d. h. anfällig für fehlerhafte Detektionen, wurden mithilfe eines interaktiven prädiktionsbasierten Ansatzes identifiziert. Die experimentellen Ergebnisse legen nahe, dass sich diese gezielte Auswahl von anspruchsvollen Bildern positiv auf die Leistung von trainierten Schweinedetektionsmodellen auswirkt.
- KonferenzbeitragModelling of parameters in supercomputer workloads(ARCS 2004 – Organic and pervasive computing, 2004) Song, Baiyi; Ernemann, Carsten; Yahyapour, RaminEvaluation methods for parallel computers often require the availability of relevant workload information. To this end, workload traces recorded on real installations are frequently used. Alternatively, workload models are applied. However, often not all necessary information are available for a specific workload. In this paper, a model is presented to recover an estimated job execution time when this information is not available. The quality of the modelled estimated runtime is evaluated by comparing different workload traces for which this information is available.