Статья: АЛГОРИТМЫ КЛАССИФИКАЦИИ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ ПРИЕМНОЙ КАМЕРЫ СОВРЕМЕННОГО ФАНДОМАТА (2024)

Читать онлайн

В работе рассматривается задача разработки математического и программного обеспечения для анализа изображений в современных фандоматах. В рамках подхода, основанного на применении методов поверхностного машинного обучения, формулируется задача обработки изображений объектов, подлежащих сырьевой переработке в фандомате, как задача сегментации этих изображений с последующей классификацией по форме. Производится обзор и сравнение известных методов сегментации с целью выделения формы объектов и формирования признаков для классификации. В результате сравнения делается выбор в пользу метода активного контура. Предлагается и исследуется относительно простой алгоритм классификации сегментированных объектов на основе «случайного леса». Также предлагается два алгоритма выделения признаков классификации: алгоритм на основе анализа степени заполненности частей сегментированного изображения и алгоритм, вычисляющий свойства области объекта. Как альтернативный подход также описывается метод классификации получаемых изображений в целом, без предварительного выделения признаков, основанный на глубоком обучении…

Ключевые фразы: обработка изображений, фандоматы, сегментация изображений, машинное обучение, СЛУЧАЙНЫЙ ЛЕС, глубокое обучение, перенос обучения, аугментация данных, свёрточные нейронные сети
Автор (ы): Гостев Захар Сергеевич, Сирота Александр Анатольевич
Журнал: ВЕСТНИК ВОРОНЕЖСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА. СЕРИЯ: СИСТЕМНЫЙ АНАЛИЗ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Информатика
УДК
517.977.55. Теория линейных оптимальных систем
Для цитирования:
ГОСТЕВ З. С., СИРОТА А. А. АЛГОРИТМЫ КЛАССИФИКАЦИИ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ ПРИЕМНОЙ КАМЕРЫ СОВРЕМЕННОГО ФАНДОМАТА // ВЕСТНИК ВОРОНЕЖСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА. СЕРИЯ: СИСТЕМНЫЙ АНАЛИЗ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ. 2024. № 1
Текстовый фрагмент статьи