Recherche

Dataverse de l'Université du Québec à Chicoutimi Translation missing: fr.blacklight.search.logo
Images for Inland navigation and vessel optimal path planning
Borealis
Otis, Martin J.-D.; Deshmukh, Yashwardhan — 2024-04-22 Laboratoire d'Automatique et de Robotique interactive, Université du Québec à Chicoutimi, Québec, Canada LAR.i - UQAC, 02 Feb. 2024 <br> 855 satellite images and their ground truth masks. The original satellite images could be accessed by email. <br> Manual acquisition of 60 unlabelled aerial satellite images with varying dimensions (area ranging from 500 meters to 5 kilometers) from Google Maps. A manual segmentation is executed into three labels: water, land, and obstacle. <br> Parametric augmentation pipeline:<br> -random cropping, <br> -horizontal and vertical flipping, <br> -rotation, <br> -brightness and contrast, <br> -Contrast Limited Adaptive Histogram Equalization (CLAHE) and <br> -Grid Distortion, or Optical Distortion.
Dataverse de l'Université du Québec à Chicoutimi Translation missing: fr.blacklight.search.logo
Image dataset of various soil types in an urban city
Borealis
Gensytskyy, Oleksiy; Ben Ayed, Yessine; Otis, Martin J.-D. — 2021-10-14 <b>LAR.i Laboratory - Université du Québec à Chicoutimi (UQAC)</b><br> 2021-08-24<br> Name: Image dataset of various soil types in an urban city<br><br> Published journal paper: Gensytskyy, O., Nandi, P., Otis, M.JD. et al. Soil friction coefficient estimation using CNN included in an assistive system for walking in urban areas. J Ambient Intell Human Comput 14, 14291–14307 (2023). https://doi.org/10.1007/s12652-023-04667-w This dataset contains images of various types of soils and was used for the project "An assistive system for walking in urban areas". The images were taken using a smartphone camera in a vertical orientation and are high-quality.<br> The files are named with two characters, being the first letter and last letter of its class name, following by their number.<br><br> Capture location : City of Saguenay, Quebec Canada.<br> Class count : 8<br> Total number of images : 493<br><br> Classes and number of images per class: <ul> <li>Asphalt (89) </li> <li>Concrete (80)</li> <li>Epoxy_coated_interior (34)</li> <li>Grass (90)</li> <li>Gravel (58)</li> <li>Scrattered_snow (40)</li> <li>Snow (68)</li> <li>Wood (34)</li> </ul>
Dataverse de l'Université du Québec à Chicoutimi Translation missing: fr.blacklight.search.logo
Insole sensor data for foot gestures
Borealis
TCHANE DJOGDOM, Gilde Vanel; Meziane, Ramy; Otis, Martin J.-D. — 2022-08-16 Laboratoire d'Automatique et de Robotique interactive, Université du Québec à Chicoutimi, Québec, Canada LAR.i - UQAC, 16 août 2022 <br>This dataset presents sensor's signal acquired for foot gesture recognition.</br> <br>This dataset was created after an ethic approbation (Research Ethic Board) at UQAC under the number 2022-837.</br> <br>The dataset is composed of 5 participants. For each participant, a set of 11 classes is presented. For each classes, one .csv files are included and are composed of 13 column. Each colum refers to a signal acquisition described in the following list : </br> <br>gesture_participant_X_GY etZ.tab <li>X: Participant Identification</li> <li>Y: Gesture number</li> <li>Z: Trial number</li> </br> See gesture dictionary (type and description) in: <br> Tchane Djogdom, G.V., Otis, M.JD. & Meziane, R. Dynamic time warping–based feature selection method for foot gesture cobot operation mode selection. Int J Adv Manuf Technol 126, 4521–4541 (2023). https://doi.org/10.1007/s00170-023-11280-w </br> <br> See video (real time application): Sharing_pHRI_iCDPM_RamyMeziane.mp4 </br> <br>Gesture crushing a cigarette (8 participants): <li>Part X et Z.mat</li> <li>X: Participant identification</li> <li>Z: Trial number</li> </br> <br> <ol> <li>AccX -------- Accelaration on X axis</li> <li>AccY -------- Accelaration on Y axis</li> <li>AccZ -------- Accelaration on Z axis</li> <li>P -------- Euler angle Pitch</li> <li>R -------- Euler angle Roll</li> <li>Y -------- Euler angle Yaw</li> <li>FSR1 -------- Force sensor in forefoot (left side)</li> <li>FSR2 -------- Force sensor in forefoot (right side)</li> <li>FSR3 -------- Force sensor in heel or rearfoot (left side)</li> <li>FSR4 -------- Force sensor in heel or rearfoot (right side)</li> <li>GyX -------- Gyroscope on X axis</li> <li>GyY -------- Gyroscope on Y axis</li> <li>GyZ -------- Gyroscope on Z axis</li> </ol> </br>

Instructions pour la recherche cartographique

1.Activez le filtre cartographique en cliquant sur le bouton « Limiter à la zone sur la carte ».
2.Déplacez la carte pour afficher la zone qui vous intéresse. Maintenez la touche Maj enfoncée et cliquez pour encadrer une zone spécifique à agrandir sur la carte. Les résultats de la recherche changeront à mesure que vous déplacerez la carte.
3.Pour voir les détails d’un emplacement, vous pouvez cliquer soit sur un élément dans les résultats de recherche, soit sur l’épingle d’un emplacement sur la carte et sur le lien associé au titre.
Remarque : Les groupes servent à donner un aperçu visuel de l’emplacement des données. Puisqu’un maximum de 50 emplacements peut s’afficher sur la carte, il est possible que vous n’obteniez pas un portrait exact du nombre total de résultats de recherche.

(auteur : Otis, Martin J.-D.)

Limiter par :

Effacer tout

au