Простий
пошук
Розширений
пошук
Покажчики
Професійний
пошук
Рубрикатор
НБУВ
Розподілений
пошук

Бази даних

Наукова періодика України - результати пошуку

Книжкові видання та компакт-диски
Журнали та продовжувані видання
Автореферати дисертацій
Реферативна база даних
Наукова періодика України
Тематичний навігатор
Авторитетний файл імен осіб
Mozilla Firefox Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер
"Mozilla Firefox"
Вид пошуку
Повнотекстовий пошук
 Знайдено в інших БД:Реферативна база даних (1)
Список видань за алфавітом назв:
A  B  C  D  E  F  G  H  I  J  L  M  N  O  P  R  S  T  U  V  W  
А  Б  В  Г  Ґ  Д  Е  Є  Ж  З  И  І  К  Л  М  Н  О  П  Р  С  Т  У  Ф  Х  Ц  Ч  Ш  Щ  Э  Ю  Я  

Авторський покажчик    Покажчик назв публікацій


Пошуковий запит: (<.>A=Kosarevych R$<.>)
Загальна кількість знайдених документів : 3
Представлено документи з 1 до 3
1.

Kosarevych R. 
Application of stochastic point processes for modelling of pitting [Електронний ресурс] / R. Kosarevych, B. Rusyn, A. Pokhmursky // Metallurgical and mining industry. - 2016. - № 5. - С. 8-13. - Режим доступу: http://nbuv.gov.ua/UJRN/metmi_2016_5_3
Попередній перегляд:   Завантажити - 562.196 Kb    Зміст випуску     Цитування
2.

Kosarevych R. Ya. 
Method of features construction for remote sensing images based on the characteristics of random point fields [Електронний ресурс] / R. Ya. Kosarevych, O. A. Lutsyk, B. P. Rusyn, V. V. Korniy // Відбір і обробка інформації. - 2017. - Вип. 45. - С. 90-95. - Режим доступу: http://nbuv.gov.ua/UJRN/vioi_2017_45_14
Попередній перегляд:   Завантажити - 303.96 Kb    Зміст випуску     Цитування
3.

Rusyn B. P. 
Image segmentation of clouds based on deep learning [Електронний ресурс] / B. P. Rusyn, O. A. Lutsyk, R. Ya. Kosarevych, V. V. Korniy // Відбір і обробка інформації. - 2020. - Вип. 48. - С. 72-78. - Режим доступу: http://nbuv.gov.ua/UJRN/vioi_2020_48_10
Сучасний розвиток технологій впливає на розробку методів дистанційного зондування атмосфери Землі за допомогою бортових супутникових систем. Дистанційним зондуванням отримують зображення високої роздільної здатності, які придатні для використання різними службами спостереження та прогнозування атмосферних явищ. Кількість даних дистанційного зондування зросла до терабайт, і цей процес постійно триває, що унеможливлює аналіз та оцінку даних оператором-людиною. Це призводить до необхідності автоматизованого моніторингу та обробки зображень. Автоматизована обробка зображень є вирішальною ланкою у прогнозуванні маси хмарності. Робота присвячена розробці методів сегментації зображень атмосферних хмар. Проаналізовані основні методи сегментації під час застосування до зображень атмосферних хмар, отриманих методами дистанційного зондування. Запропоновано підхід, який є подальшим розвитком моделі глибокого навчання, що базується на нейронній мережі структури U-net класу CNN. Наведено якість сегментації зображень хмарності за допомогою різних методів, де мірою якості є критерії, що базуються на співвідношенні перетину до об'єднання множин (IoU). Оцінено переваги та недоліки запропонованого методу сегментації. Переваги підходу - простота, швидкість та якість сегментації до 5 класів. Встановлено доцільність використання сегментації на основі нейронних мереж з глибоким навчанням, що дало можливість локалізувати хмари на зображенні з високою достовірністю. Результати можна використати в системах моніторингу та класифікації регіонів України за розподілом хмарних мас по сезонах на основі зображень супутникових карт погоди.
Попередній перегляд:   Завантажити - 621.906 Kb    Зміст випуску    Реферативна БД     Цитування
 
Відділ наукової організації електронних інформаційних ресурсів
Пам`ятка користувача

Всі права захищені © Національна бібліотека України імені В. І. Вернадського