Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 18.188.20.56
    [SESS_TIME] => 1713298500
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 2eecf2663783d95837e4ecae2610b820
    [UNIQUE_KEY] => c5bba5d7e52d136808406d487de5b8d0
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2019 год, номер 4

АНАЛИЗ ЭФФЕКТИВНОСТИ ВЫДЕЛЕНИЯ ГРАНИЦ СЕГМЕНТОВ СРЕДСТВАМИ НЕЙРОННЫХ СЕТЕЙ

А.В. КУГАЕВСКИХ1,2,3, А.А. СОГРЕШИЛИН4
1Новосибирский государственный технический университет, Hовосибирск, Россия
a-kugaevskikh@yandex.ru
2Новосибирский государственный университет
3Институт автоматики и электрометрии СО РАН
4Новосибирский государственный университет, Hовосибирск, Россия
sogreshilin.ridder@gmail.com
Ключевые слова: выделение краёв, фильтр Габора, косинусная мера, нейронные сети, вейвлет сомбреро, гиперболический тангенс, edge selection, Gabor filter, cosine measure, neural networks, wavelet sombrero, hyperbolic tangent
Страницы: 118-128

Аннотация

В работе приведена архитектура нейросети выделения краёв. Проведено сравнение разных фильтров для нейронов первого слоя. Обучение нейросети с помощью алгоритма на базе косинусной меры показало существенно более худшие результаты по сравнению с алгоритмом обратного распространения ошибки. Также в работе указаны оптимальные параметры функционирования нейронов первого слоя. Предлагаемая архитектура выполняет поставленные задачи по выделению краёв.

DOI: 10.15372/AUT20190413