Отрывок: Однако архитектура основанных на машинном обучении фреймворков компрессии обычно существенным образом опирается на двумерность исходных данных. Поэтому задача обобщения основанных на машинном обучении фреймворков компрессии на гиперспектральные данные является нетривиальной и актуальной. Большинство компонент в гиперспектральных данных обычно очень похожи друг на друга. Мы используем ...
Название : Обобщение основанного на машинном обучении метода компрессии на гиперспектральные изображения
Авторы/Редакторы : Максимов А. И.
Гашников М. В.
Дата публикации : 2022
Библиографическое описание : Максимов, А. И. Обобщение основанного на машинном обучении метода компрессии на гиперспектральные изображения / А. И. Максимов, М. В. Гашников // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 3: Распознавание, обработка и анализ изображений / под ред. В. В. Мясникова. - 2022. - С. 030842.
Другие идентификаторы : RU\НТБ СГАУ\492060
Ключевые слова: алгоритмы машинного обучения
методы компрессии изображений
гиперспектральные изображения
задача обобщения
экспериментальные данные
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1791-5_2022-030842.pdf775.32 kBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



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