Отрывок: В данной работе линейная регрессия используется для этой аппроксимации. Постаппроксимационные остатки затем компрессиируются посредством описанного выше Архив Выделение тривиальных регионов Компрессия критичной информации Компрессия краёв тривиальных регионов Декомпрессия критичной информации Декомпрессия краёв тривиальных регионов Заполнение тривиальных регионов Заполненные тривиальные регионы Д...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorМаксимов А. И.ru
dc.contributor.authorГашников М. В.ru
dc.coverage.spatialвидеоru
dc.coverage.spatialизображенияru
dc.coverage.spatialобобщение методов компрессииru
dc.coverage.spatialметоды компрессии изображенийru
dc.coverage.spatialкомпрессия видеоru
dc.coverage.spatialкомпрессия изображенийru
dc.coverage.spatialмашинное обучениеru
dc.creatorМаксимов А. И., Гашников М. В.ru
dc.date.accessioned2023-10-05 09:27:46-
dc.date.available2023-10-05 09:27:46-
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\541632ru
dc.identifier.citationМаксимов, А. И. Обобщение основанных на машинном обучении методов компрессии изображений на случай компрессии видео / А. И. Максимов, М. В. Гашников // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 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. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Распознавание, обработка и анализ изображений / под ред. В. В. Сергеева. - 2023. - С. 030042.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Obobshenie-osnovannyh-na-mashinnom-obuchenii-metodov-kompressii-izobrazhenii-na-sluchai-kompressii-video-105977-
dc.description.abstractРассматривается обобщение основанных на машинном обучении методов компрессии изображений на случай компрессии видео. Обобщаемый методкомпрессии изображений основан на применении алгоритмов генерации изображений, пирамидальной компрессии, и иерархической интерполяции,использующих машинное обучение. Предлагаемый подход к обобщению основан на использовании межкадровых зависимостей посредством основанного на машинном обучении алгоритма аппроксимации видеокадров. Приводятся результаты вычислительных экспериментов, подтверждающие высокую эффективность предлагаемого подхода к обобщению основанных на машинном обучении методов компрессии изображений на случай компрессиивидео.ru
dc.language.isorusru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 3 : Распознавание, обработка и анализ изображенийru
dc.titleОбобщение основанных на машинном обучении методов компрессии изображений на случай компрессии видеоru
dc.typeTextru
dc.citation.spage030042ru
dc.citation.volume3ru
dc.textpartВ данной работе линейная регрессия используется для этой аппроксимации. Постаппроксимационные остатки затем компрессиируются посредством описанного выше Архив Выделение тривиальных регионов Компрессия критичной информации Компрессия краёв тривиальных регионов Декомпрессия критичной информации Декомпрессия краёв тривиальных регионов Заполнение тривиальных регионов Заполненные тривиальные регионы Д...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1919-3_2023-030042.pdf217.3 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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