Отрывок: Метрики обучения приведены на Рисунке 1. Искусственный интеллект и науки о данных VII Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2021) 032382 Рисунок 1: Метрика точности модели (слева) и потерь (справа) 3. Заключение Точность мультиклассовой классификации составила 93%. Использование алгоритма классификации изображений на основании нейронных сетей позволило повысить точность разделения патологий кожи по сравнен...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorВинокуров В. О.ru
dc.contributor.authorМатвеева И. А.ru
dc.contributor.authorХристофорова Ю. А.ru
dc.contributor.authorМякинин О. О.ru
dc.contributor.authorБратченко И. А.ru
dc.contributor.authorБратченко Л. А.ru
dc.contributor.authorМорятов А. А.ru
dc.contributor.authorКозлов С. Г.ru
dc.contributor.authorМачихин А. С.ru
dc.contributor.authorЗахаров В. П.ru
dc.coverage.spatialCNNru
dc.coverage.spatialгиперспектральная визуализацияru
dc.coverage.spatialгиперспектральные изображенияru
dc.coverage.spatialбазальноклеточная карциномаru
dc.coverage.spatialVGGru
dc.coverage.spatialточность классификацииru
dc.coverage.spatialпатологии кожного покроваru
dc.coverage.spatialпапилломаru
dc.coverage.spatialмедицинская диагностикаru
dc.coverage.spatialметрики обученияru
dc.coverage.spatialмеланомаru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialнейросетевые классификаторыru
dc.coverage.spatialневусru
dc.creatorВинокуров В. О., Матвеева И. А., Христофорова Ю. А., Мякинин О. О., Братченко И. А., Братченко Л. А., Морятов А. А., Козлов С. Г., Мачихин А. С., Захаров В. П.ru
dc.date.issued2021ru
dc.identifierRU\НТБ СГАУ\466347ru
dc.identifier.citationНейросетевой классификатор гиперспектральных снимков кожных патологий / В. О. Винокуров, И. А. Матвеева, Ю. А. Христофорова, О. О. Мякинин, И. А. Братченко, Л. А. Братченко, А. А. Морятов, С. Г. Козлов, А. С. Мачихин, В. П. Захаров // Информационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.] / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изображений РАН - фил. ФНИЦ "Кристаллография и фотоника РАН. - Самаpа : Изд-во Самар. ун-та, 2021Т. 3: Искусственный интеллект и науки о данных. - 2021. - С. 032382.ru
dc.language.isorusru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.].ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2021). - Т. 3 : Искусственный интеллект и науки о данныхru
dc.titleНейросетевой классификатор гиперспектральных снимков кожных патологийru
dc.typeTextru
dc.citation.spage032382ru
dc.citation.volume3ru
dc.textpartМетрики обучения приведены на Рисунке 1. Искусственный интеллект и науки о данных VII Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2021) 032382 Рисунок 1: Метрика точности модели (слева) и потерь (справа) 3. Заключение Точность мультиклассовой классификации составила 93%. Использование алгоритма классификации изображений на основании нейронных сетей позволило повысить точность разделения патологий кожи по сравнен...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
108paper032382.pdf418.77 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.