Отрывок: Во-первых, они могут использовать пространственную структуру рассматриваемой задачи. В частности, они могут изучить локальные пространственные фильтры, полезные для задачи классификации. В данном случае, ожидается, что фильтры на уровне входного сигнала будут кодировать пространственные структуры как плоскости и углы при различных ориентациях. Во-вторых, укладывая несколько слоев сети можно построить иерархию из более сложных функций, представляющих ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Разлацкий, С.А. | - |
dc.contributor.author | Якимов, П.Ю. | - |
dc.date.accessioned | 2017-05-25 13:32:56 | - |
dc.date.available | 2017-05-25 13:32:56 | - |
dc.date.issued | 2017 | - |
dc.identifier | Dspace\SGAU\20170522\64091 | ru |
dc.identifier.citation | Разлацкий С.А. Использование сверточных нейронных сетей для распознавания трехмерных объектов в реальном времени / С.А. Разлацкий, П.Ю. Якимов // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С. 1672-1677. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Ispolzovanie-svertochnyh-neironnyh-setei-dlya-raspoznavaniya-trehmernyh-obektov-v-realnom-vremeni-64091 | - |
dc.description.abstract | Задача распознавания объектов в реальном времени является ключевой для автономного функционирования интеллектуальных систем компьютерного зрения. Различные 3D сенсоры, такие как LiDAR или стереокамеры, становятся все более распространены в современных робототехнических системах и являются надежным источником трехмерных данных. Однако, многие современные системы используют получаемые данные неэффективно и сталкиваются с проблемой недостаточной производительности. В настоящей статье исследованы современные подходы к распознаванию трехмерных объектов в реальном времени, в том числе с использованием трехмерных сверточных нейронных сетей. Для оценки качества распознавания и быстродействия рассмотренных методов были использованы различные типы трехмерных данных. | ru |
dc.description.sponsorship | Исследования проводились при поддержке фонда РФФИ (проект 16-37-60106). | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.subject | сверточные нейронные сети | ru |
dc.subject | распознавание трехмерных объектов | ru |
dc.subject | обработка в реальном времени | ru |
dc.subject | глубинное обучение | ru |
dc.subject | трехмерные изображения | ru |
dc.title | Использование сверточных нейронных сетей для распознавания трехмерных объектов в реальном времени | ru |
dc.type | Article | ru |
dc.textpart | Во-первых, они могут использовать пространственную структуру рассматриваемой задачи. В частности, они могут изучить локальные пространственные фильтры, полезные для задачи классификации. В данном случае, ожидается, что фильтры на уровне входного сигнала будут кодировать пространственные структуры как плоскости и углы при различных ориентациях. Во-вторых, укладывая несколько слоев сети можно построить иерархию из более сложных функций, представляющих ... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper 302_1672-1677.pdf | Основная статья. Раздел: Высокопроизводительные вычисления | 626.25 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.