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] => 44.211.24.175
    [SESS_TIME] => 1730973663
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => a6e202909097661b8593a20e4f3970cd
    [UNIQUE_KEY] => eccd84057f67e878f9963f411928af17
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2023 год, номер 3

НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ЗАДАЧАХ ОБНАРУЖЕНИЯ И КЛАССИФИКАЦИИ ОБЪЕКТОВ

С.М. Борзов, Е.С. Нежевенко
Институт автоматики и электрометрии СО РАН, Новосибирск, Россия
borzov@iae.nsk.su
Ключевые слова: нейросетевые технологии, обработка изображений, обнаружение и классификация объектов, свёрточные нейронные сети, глубокое обучение, комбинированные методы
Страницы: 52-71

Аннотация

Выполнен обзор основных идей, использованных при решении задач обнаружения и классификации объектов по их изображениям с применением нейросетевых технологий. Рассмотрены ключевые публикации, посвящённые наиболее популярным способам повышения точности классификации. Показано, что в последнее десятилетие нейросетевые методы обнаружения объектов достигли существенных успехов за счёт использования свёрточных технологий и практической реализации идеи глубокого обучения с применением объёмных баз данных. Проанализированы основные недостатки, ограничения и возможные направления развития существующих подходов.

DOI: 10.15372/AUT20230307
EDN: UWYAQY
Добавить в корзину
Товар добавлен в корзину