mgr Bartosz Grabowski Email: Orcid ID: 0000-0002-2364-6547Stanowisko: asystent Horizontal TabsPublikacje Biblio RSS 2022 1. Książek, K., P. Głomb, M. Romaszewski, M. Cholewa, B. Grabowski, and K. Buza, "Improving Autoencoder Training Performance for Hyperspectral Unmixing with Network Reinitialisation", 21st International Conference on Image Analysis and Processing, vol. 13231, Lecce, Italy, Springer, Cham, 05/2022. 2. Grabowski, B., P. Głomb, K. Książek, and K. Buza, " Improving Autoencoders Performance for Hyperspectral Unmixing Using Clustering", Asian Conference on Intelligent Information and Database Systems, vol. 1716, Ho Chi Minh City, Vietnam, Springer, 11/2022. 2021 3. Grabowski, B., M. Ziaja, M. Kawulok, and J. Nalepa, "Towards Robust Cloud Detection in Satellite Images Using U-Nets", 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, Brussels, Belgium, IEEE, 10/2021. 2020 4. Masarczyk, W., P. Głomb, B. Grabowski, and M. Ostaszewski, "Effective Training of Deep Convolutional Neural Networks for Hyperspectral Image Classification through Artificial Labeling", Remote Sensing, vol. 12, issue 16, 2020. 5. Książek, K., M. Romaszewski, P. Głomb, B. Grabowski, and M. Cholewa, "Blood Stain Classification with Hyperspectral Imaging and Deep Neural Networks", Sensors, vol. 20, issue Recent Advances in Multi- and Hyperspectral Image Analysis, 11/2020. 2019 6. Grabowski, B., P. Głomb, M. Romaszewski, and M. Ostaszewski, "Unsupervised deep learning approach to hyperspectral anomaly detection", PP-RAI'2019, Wrocław, Poland, Wroclaw University of Science and Technology, 2019. 2018 7. Grabowski, B., W. Masarczyk, P. Głomb, and A. Mendys, "Automatic pigment identification from hyperspectral data", Journal of Cultural Heritage, vol. 31, pp. 1 - 12, 2018. Projektyiitis employee projects: 1. Zastosowanie transferu wiedzy dla konwolucyjnych sieci neuronowych w celu poprawy klasyfikacji obrazów hiperspektralnych (DI2017 013847, 2018 - 2022) 2. ,,System gromadzenia i analizy danych o charakterze strumieniowym, dedykowanego dla sieci stacji paliw, którego zadaniem jest optymalizacja kosztów dystrybucji i sprzedaży paliw oraz ciągłe (on-line) monitorowanie i wykrywanie zagrożeń związanych z wyciek (POIR.01.01.01-00-0376/17-00, 2017 - 2019)