Automatic Nile Tilapia Fish Classification Approachusing Machine Learning Tec...Mohamed Mostafa
Commonly, aquatic experts use traditional methods
such as casting nets or underwater human monitoring for
detecting existence and quantities of different species of fish. However, the recent breakthrough in digital cameras and storage abilities, with consequent cost reduction, can be utilized for automatically observing different underwater species. This article introduces an automatic classification approach for the Nile Tilapia fish using support vector machines (SVMs) algorithm in conjunction with feature extraction techniques based on Scale Invariant Feature Transform (SIFT) and Speeded Up Robust Features (SURF) algorithms. The core of this approach is to
apply the feature extraction algorithms in order to describe
local features extracted from a set of fish images. Then, the proposed approach classifies the fish images using a number of support vector machines classifiers to differentiate between fish species. Experimental results obtained show that the support vector machines algorithm outperformed other machine learning techniques, such as artificial neural networks (ANN) and knearest neighbor (k-NN) algorithms, in terms of the overall classification accuracy.
Automatic Nile Tilapia Fish Classification Approachusing Machine Learning Tec...Mohamed Mostafa
Commonly, aquatic experts use traditional methods
such as casting nets or underwater human monitoring for
detecting existence and quantities of different species of fish. However, the recent breakthrough in digital cameras and storage abilities, with consequent cost reduction, can be utilized for automatically observing different underwater species. This article introduces an automatic classification approach for the Nile Tilapia fish using support vector machines (SVMs) algorithm in conjunction with feature extraction techniques based on Scale Invariant Feature Transform (SIFT) and Speeded Up Robust Features (SURF) algorithms. The core of this approach is to
apply the feature extraction algorithms in order to describe
local features extracted from a set of fish images. Then, the proposed approach classifies the fish images using a number of support vector machines classifiers to differentiate between fish species. Experimental results obtained show that the support vector machines algorithm outperformed other machine learning techniques, such as artificial neural networks (ANN) and knearest neighbor (k-NN) algorithms, in terms of the overall classification accuracy.
Un codice a barre blocca fisicamente la visione di un oggetto, così come le sbarre di una carcere, anche solo idealmente, tendono a non farci percepire una parte di vita di chi è realmente costretto a viverci dentro. Il codice diventa -quindi metafora di ostacolo, di pregiudizio, ma allo stesso tempo ci invita a guardare oltre, e a scoprire che dopo quelle sbarre, dopo quel codice, c’è una storia di vita.
Facciamo confessare alle detenute i “reati” che hanno compiuto con le loro mani.
Una provocazione che rende colpevole il pregiudizio e lo sfrutta per dare un valore positivo al concetto di “fare”.
Fare come azione che permette alle detenute di riscoprire il loro valore e come modo per rimarcare la qualità dei prodotti fatti a mano.
Slide utilizzate nel corso della lezione dedicata al "nuovo consumatore" al Master in Digital Marketing and Communication di Apogeo-Ifaf School of Technology
Dal momento in cui entrano in carcere, le detenute vengono private di tutti i loro effetti personali.
Chiediamo a tutte le donne di raccontarsi, con un tweet o una foto su Instagram, attraverso gli oggetti contenuti dentro la loro borsa, per appoggiare la produzione dei prodotti "Made in Carcere" e dare alle detenute la possibilità di costruirsi un futuro e una nuova identità.
Un codice a barre blocca fisicamente la visione di un oggetto, così come le sbarre di una carcere, anche solo idealmente, tendono a non farci percepire una parte di vita di chi è realmente costretto a viverci dentro. Il codice diventa -quindi metafora di ostacolo, di pregiudizio, ma allo stesso tempo ci invita a guardare oltre, e a scoprire che dopo quelle sbarre, dopo quel codice, c’è una storia di vita.
Facciamo confessare alle detenute i “reati” che hanno compiuto con le loro mani.
Una provocazione che rende colpevole il pregiudizio e lo sfrutta per dare un valore positivo al concetto di “fare”.
Fare come azione che permette alle detenute di riscoprire il loro valore e come modo per rimarcare la qualità dei prodotti fatti a mano.
Slide utilizzate nel corso della lezione dedicata al "nuovo consumatore" al Master in Digital Marketing and Communication di Apogeo-Ifaf School of Technology
Dal momento in cui entrano in carcere, le detenute vengono private di tutti i loro effetti personali.
Chiediamo a tutte le donne di raccontarsi, con un tweet o una foto su Instagram, attraverso gli oggetti contenuti dentro la loro borsa, per appoggiare la produzione dei prodotti "Made in Carcere" e dare alle detenute la possibilità di costruirsi un futuro e una nuova identità.
2. “Made in Carcere” è un brand dal forte valore sociale,
che produce accessori realizzati a mano,
con grande cura e attenzione al dettaglio.
Nonostante questo, il fatto che siano realizzati in
carcere li fa percepire come oggetti di scarsa qualità.
3. Per superare questa barriera siamo partiti da un dato feroce
ma rilevante: alcune delle detenute che partecipano all’iniziativa
Made in Carcere resteranno in prigione per i prossimi 30 anni.
4. l’ idea:
Offrire a chi acquista i prodotti del brand
un certificato di garanzia che vale 30 anni.
5. L’idea di una garanzia così forte ci servirà per comunicare
l’alta qualità dei prodotti, ma anche per comunicare quanto,
per le detenute, Made in Carcere sia la più grande garanzia
di occupazione, ruolo sociale, indipendenza e contatto con la realtà.
6. Per presentare l’iniziativa e dare un’idea della portata della garanzia,
realizzeremo un’operazione all’interno di una cabina
per le fototessere. Ogni volta che qualcuno si scatterà una foto,
insieme alle fototessere riceverà una fototessera particolare:
uno sketch di se stesso invecchiato di trent’anni.
Questo meccanismo sarà possibile tramite un ritrattista nascosto
all’interno della cabina, realizzata ad hoc per l’operazione.
Sul retro di questa speciale fototessera, un breve testo introdurrà
l’iniziativa e inviterà a scoprire di più
sulla pagina Facebook Made in Carcere.
7.
8.
9.
10. Tutta l’operazione verrà ripresa e diventerà un online video che
presenterà l’iniziativa e inviterà gli utenti a seguire
The Greatest Warranty su Facebook.
11.
12. Su Facebook, tramite un’app, gli utenti potranno sperimentare
quanto visto nell’online video e scoprire che aspetto avranno allo
scadere della garanzia Made in Carcere. L’app inviterà gli utenti a
scattarsi una foto con la web cam, elaborerà l’immagine e restituirà
un output dell’utente invecchiato di trent’anni.
Tutte le foto saranno condivisibili sul profilo degli utenti
e inviteranno i loro amici a scoprire The Greatest Warranty.
13.
14. Il palinsesto di Facebook darà grande spazio alle detenute.
Ogni settimana posteremo delle piccole video-interviste
in cui ognuna di loro racconterà la sua vita all’interno
del carcere e il ruolo di Made in Carcere nella sua quotidianità.
Il palinsesto manterrà sempre un tono leggero,
e sarà tenuto vivo da rubriche settimanali che tratteranno temi
di interesse comune legati all’iniziativa e alla filosofia del brand.
Una delle rubriche, ad esempio, suggerirà piccoli e semplici
modi di riciclare vecchi capi, stoffe e oggetti di vario genere.
15.
16. Ogni giorno, dei post presenteranno i singoli prodotti e inviteranno
ad acquistare il prodotto online e conservare il certificato di garanzia.
17. Sul sito web di Made in Carcere, ogni volta che un utente
acquisterà uno dei prodotti riceverà un certificato di garanzia
della durata di trent’anni. Grazie al certificato,
l’utente potrà far riparare il prodotto acquistato,
che nell’arco dei trent’anni a venire.