Простийпошук |
Розширенийпошук |
Покажчики
|
Професійний пошук |
Рубрикатор НБУВ |
Розподілений пошук |
Бази даних
Наукова періодика України - результати пошуку
Книжкові видання та компакт-дискиЖурнали та продовжувані виданняАвтореферати дисертаційРеферативна база данихНаукова періодика УкраїниТематичний навігаторАвторитетний файл імен осіб
 |
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
| Знайдено в інших БД: | Книжкові видання та компакт-диски (4) | Журнали та продовжувані видання (1) | Реферативна база даних (9) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Путятин Е$<.>) | |||
|
Загальна кількість знайдених документів : 4 Представлено документи з 1 до 4 |
|||
| 1. | 
Путятин Е. П. Использование вейвлет-преобра-зования для описания контура изображения [Електронний ресурс] / Е. П. Путятин, О. А. Кобылин // Системи обробки інформації. - 2004. - Вип. 1. - С. 51-54. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2004_1_9 | ||
| 2. | 
Любченко В. А. Распознавание структуры сложных веществ в условиях неопределенности [Електронний ресурс] / В. А. Любченко, Е. П. Путятин // Восточно-Европейский журнал передовых технологий. - 2011. - № 2(9). - С. 32-34. - Режим доступу: http://nbuv.gov.ua/UJRN/Vejpte_2011_2(9)__11 Рассмотрены классы изображений сложных веществ с целью распознавания отдельных компонентов в условиях неопределенности. Определен синтез методов для каждой из задач. | ||
| 3. | 
Гороховатский В. А. Исследование результативности структурных методов классификации изображений с применением кластерной модели данных [Електронний ресурс] / В. А. Гороховатский, Е. П. Путятин, В. С. Столяров // Радіоелектроніка, інформатика, управління. - 2017. - № 3. - С. 78-85. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2017_3_11 Повышение результативности и расширение функциональности современных систем компьютерного зрения требуют создания более эффективных методов обработки визуальной информации. Основные задачи структурного распознавания связаны с усовершенствованием информационных технологий классификации в пространстве описаний как множеств дескрипторов ключевых точек изображений, а также необходимостью оценивания действенности распознавания на прикладных образцах. Внимание уделяют изучению структуры данных для множества дескрипторов, что напрямую влияет на показатели функционирования систем распознавания. Цель работы - изучение особенностей кластерного представления для множества структурных признаков прикладной базы изображений и оценивание показателей эффективности применения кластерной модели в методах структурного распознавания визуальных объектов в плане получения компактного представления данных. Предложено методы распознавания на основе трансформации пространства структурных признаков путем кластеризации и применения кластерных характеристик базы эталонных изображений. Первый метод использует интегральное представление описаний эталонов, второй метод при отнесении структурного элемента к классу опирается на значение вектора статистического распределения в матричном пространстве кластер-эталон. Итогом исследования есть создание методов распознавания и моделей обработки данных в процессе построения векторов релевантности или характеристик классов в трансформированном пространстве признаков. За счет кластерного преобразования пространства структурных признаков сокращается объем вычислительных затрат, и в сотни раз улучшается быстродействие распознавания при сохранении нужной эффективности. Проведено сравнение методов SURF и ORB при формировании структурных признаков, время обработки методом ORB оказалось в 60 раз меньше. С другой стороны, множество дескрипторов SURF более точно отражает особенности формы визуальных объектов. Проведено моделирование и экспериментальные исследования предложенного метода распознавания в прикладной базе изображений. Подтверждена результативность метода в плане эффективности, получены сравнительные оценки качества распознавания в зависимости от уровня аддитивных помех для анализируемых вариантов обработки. Выводы: систематизированы и получены перспективные свойства систем распознавания в пространстве структурных признаков изображений. Разработанные методы классификации на основе кластерного описания обеспечивают достаточный уровень различения изображений и высокую помехоустойчивость. Научная новизна исследования состоит в синтезе метода структурного распознавания изображений путем применения кластерной обработки и построения классифицирующих решений в пространстве кластер-эталон. Переход к векторно-кластерному виду существенно повышает быстродействие распознавания за счет упрощения обработки. | ||
| 4. | 
Зройчикова Е. B. Сравнительный анализ разложений аффинных преобразований в задаче нормализации изображений [Електронний ресурс] / Е. B. Зройчикова, Е. П. Путятин // Вісник Національного технічного університету "ХПІ". Серія : Системний аналіз, управління та інформаційні технології. - 2013. - № 62. - С. 40-47. - Режим доступу: http://nbuv.gov.ua/UJRN/vcpisa_2013_62_6 | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |