Отрывок: 2) Создается пустая матрица весов G размером width×height. 3) Выбирается коэффициент масштаба тепловой кар- ты d. 4) На каждом шаге сканирования, количество кото- рых зависит от размера изображения: а) При прохождении сканирующего окна Cr раз- мером wc×hc, по изображению I: • если окно отнесено к положительному классу, в матрице G выделяется область Q, соответствующая координатам и размеру окна Cr на изображении I. Значения всех Q элементов увеличиваются на d; • есл...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorАмосов, О.С.-
dc.contributor.authorИванов, Ю.С.-
dc.contributor.authorЖиганов, С.В.-
dc.date.accessioned2017-11-21 11:38:06-
dc.date.available2017-11-21 11:38:06-
dc.date.issued2017-02-
dc.identifierDspace\SGAU\20171101\65869ru
dc.identifier.citationАмосов, О.С. Локализация человека в кадре видеопотока с использованием алгоритма на основе растущего нейронного газа и нечеткого вывода / О.С. Амосов, Ю.С. Иванов, С.В. Жиганов // Компьютерная оптика. – 2017. – Т. 41, № 1. – С. 46-58.ru
dc.identifier.urihttps://dx.doi.org/10.18287/2412-6179-2017-41-1-46-58-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Lokalizaciya-cheloveka-v-kadre-videopotoka-s-ispolzovaniem-algoritma-na-osnove-rastushego-neironnogo-gaza-i-nechetkogo-vyvoda-65869-
dc.description.abstractРешается задача локализации человека в кадре видеопотока с помощью алгоритма расширяющегося нейронного газа и признакового описания на основе гистограмм ориентированных градиентов. В основе алгоритма используется оригинальная нейро-нечеткая модель растущего нейронного газа для обучения с подкреплением (GNG-FIS). Также предложена модификация алгоритма GNG-FIS с использованием двухпроходного обучения с нечеткой перемаркировкой классов и построением тепловой карты. В результате экспериментов показатель правильных локализаций разработанного классификатора составил от 90,5 % до 93,2 %, в зависимости от условий сцены, что позволяет применять алгоритм в реальных системах ситуационной видеоаналитики.ru
dc.description.sponsorshipРабота выполнена при поддержке Минобрнауки России научного проекта – госзадания в рамках проектной части № 2.1898.2017/ПЧ «Создание математического и алгоритмического обеспечения интеллектуальной информационно-телекоммуникационной системы безопасности вуза».ru
dc.language.isorusru
dc.publisherСамарский университетru
dc.relation.ispartofseries41;1-
dc.subjectлокализация человекаru
dc.subjectрастущий нейронный газru
dc.subjectкластеризацияru
dc.subjectнечеткий выводru
dc.titleЛокализация человека в кадре видеопотока с использованием алгоритма на основе растущего нейронного газа и нечёткого выводаru
dc.title.alternativeHuman localization in video frames using a growing neural gas algorithm and fuzzy inferenceru
dc.typeArticleru
dc.textpart2) Создается пустая матрица весов G размером width×height. 3) Выбирается коэффициент масштаба тепловой кар- ты d. 4) На каждом шаге сканирования, количество кото- рых зависит от размера изображения: а) При прохождении сканирующего окна Cr раз- мером wc×hc, по изображению I: • если окно отнесено к положительному классу, в матрице G выделяется область Q, соответствующая координатам и размеру окна Cr на изображении I. Значения всех Q элементов увеличиваются на d; • есл...-
dc.classindex.scsti28.23.15-
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
410106.pdf637.87 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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