Репозиторий Самарского университета

Отрывок: Выходные данные представляют собой проекции размеченных stl, где разными цветами обозначены целевые грани для распознавания (рисунок 2, б). Рисунок 2: а) исходная проекция stl; б) размеченная проекция; распознавание с использованием в) U-net; г) Enet; д) SegNet Нейронные сети для семантической сегментации были реализованы на языке Python с помощью библиотек keras и tensorflow. Все расчеты (обработка данных, подготовка обучающих и тестовых набор...

Название :	Снижение трудоемкости технологических операций с использованием систем компьютерного зрения
Авторы/Редакторы :	Печенин В. А. Печенина Е. Ю. Куприянов А. В.
Дата публикации :	2021
Библиографическое описание :	Печенин, В. А. Снижение трудоемкости технологических операций с использованием систем компьютерного зрения / В. А. Печенин, Е. Ю. Печенина, А. В. Куприянов // 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. 031063.
Другие идентификаторы :	RU\НТБ СГАУ\466047
Ключевые слова:	архитектура Enet STL системы компьютерного зрения семантическая сегментация изображений сверточные нейронные сети технологические операции проекции моделей деталей
Располагается в коллекциях:	Информационные технологии и нанотехнологии

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