Репозиторий Самарского университета

Отрывок: 1а) при детектировании объектов (рис. 1б) и семантической сегментации (рис 1в) 3. Описание эксперимента и результаты В рамках представленного подхода фрагмент сети U-Net, соответствующий шифровальщика был дополнен классификатором из последовательности полно-связных слоев и обучен на изображениях трещин в бетоне (Surface Cracks Detection Database, Kaggle). Фрагмент сети U-Net, реализующий функции ...

Название :	Повышение качества обнаружения и выделения дефектов на изображениях стальных конструкций
Авторы/Редакторы :	Дементьев В. Е. Гапонова М. А. Суетин М. Н.
Дата публикации :	2021
Библиографическое описание :	Дементьев, В. Е. Повышение качества обнаружения и выделения дефектов на изображениях стальных конструкций. - Текст : электронный / В. Е. Дементьев, М. А. Гапонова, М. Н. Суетин // 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. - 2021. - Т. 2. - С. 021003
Другие идентификаторы :	RU\НТБ СГАУ\469359
Ключевые слова:	коэффициент Серенсена изображения стальных конструкций transfer learning U-Net семантическая сегментация технологии переноса обучения распознавание дефектов сверточные нейронные сети обработка изображений метод дообучения нейронное сети
Располагается в коллекциях:	Информационные технологии и нанотехнологии

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