Отрывок: Для нахождения всех исследуемых животных в кадре используется модель YOLO V6. Изображения с найденными животными вырезаются по области чуть большей полученной ограничивающей области и по- даются на вход Keypoint R-CNN отдельно (см. рис. 9), как это сделано в [21]. Было замечено, что, если по- давать всю ограничивающую область, выбираются области интереса, которые почти всегда меньше всей картинки, из-за чего некоторые части тела не попа- дают в область. Поэтому было решено произ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Егоров, А.Д. | - |
dc.contributor.author | Резник, М.С. | - |
dc.date.accessioned | 2023-02-28 16:19:06 | - |
dc.date.available | 2023-02-28 16:19:06 | - |
dc.date.issued | 2023-04 | - |
dc.identifier | Dspace\SGAU\20230222\102127 | ru |
dc.identifier.citation | Егоров, А.Д. Интерпретация действий животного по его изображению во времени, близком к реальному / А.Д. Егоров, М.С. Резник // Компьютерная оптика. – 2023. – Т. 47, № 2. – С. 278-286. – DOI: 10.18287/2412-6179-CO-1138. | ru |
dc.identifier.uri | 10.18287/2412-6179-CO-1138 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Interpretaciya-deistvii-zhivotnogo-po-ego-izobrazheniu-vo-vremeni-blizkom-k-realnomu-102127 | - |
dc.description.abstract | Определение действий объекта – сложная и актуальная задача компьютерного зрения. Такую задачу можно решать с помощью информации о положении ключевых точек объекта. Обучение моделей, определяющих положение ключевых точек, требует большой объём данных, включающих в себя информацию о положении этих ключевых точек. В связи с недостатком данных для обучения представлен метод для получения дополнительных данных, а также алгоритм, позволяющий получать высокую точность распознавания действий животных на основании малого числа данных. Достигнутая точность определения положений ключевых точек на тестовой выборке составила 92,3 %. По положению ключевых точек определяется действие объекта. Сравниваются различные подходы к классификации действий по ключевым точкам. Точность определения действий объекта на изображении достигает 73,5%. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 47;2 | - |
dc.subject | компьютерное зрение | ru |
dc.subject | обнаружение животных | ru |
dc.subject | классификация действий | ru |
dc.subject | нейронная сеть | ru |
dc.subject | машинное обучение | ru |
dc.subject | опорные модели | ru |
dc.subject | классификация скелета | ru |
dc.subject | аугментация данных | ru |
dc.subject | Keypoint R-CNN | ru |
dc.subject | Mobile Net | ru |
dc.title | Интерпретация действий животного по его изображению во времени, близком к реальному | ru |
dc.title.alternative | Near real-time animal action recognition and classification | ru |
dc.type | Article | ru |
dc.textpart | Для нахождения всех исследуемых животных в кадре используется модель YOLO V6. Изображения с найденными животными вырезаются по области чуть большей полученной ограничивающей области и по- даются на вход Keypoint R-CNN отдельно (см. рис. 9), как это сделано в [21]. Было замечено, что, если по- давать всю ограничивающую область, выбираются области интереса, которые почти всегда меньше всей картинки, из-за чего некоторые части тела не попа- дают в область. Поэтому было решено произ... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2023_47-2_278-286.pdf | Основная статья | 2.23 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.