?
Preference prediction based on a photo gallery analysis with scene recognition and object detection
Pattern Recognition. 2022. Vol. 121. Article 108248.
Научное направление:
Компьютерные науки
Приоритетные направления:
компьютерно-математическое
Язык:
английский
Ключевые слова: set of imagesobject detectionmobile deviceмобильное устройствоConvolutional Neural Networkсверточные нейронные сетиscene recognitionраспознавание сцендетектирование объектовраспознавание набора изображенийEvent recognitionраспознавание событий
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Савченко А. В., Дёмочкин К. В., Савченко Л. В., Optical Memory and Neural Networks (Information Optics) 2020 Vol. 29 No. 4 P. 297-304
Добавлено: 25 октября 2019 г.
Савченко А. В., Рассадин А. Г., , in : Advances in Neural Networks – ISNN 2019 16th International Symposium on Neural Networks, ISNN 2019, Moscow, Russia, July 10–12, 2019, Proceedings, Part II. : Cham : Springer, 2019. Ch. 41. P. 422-430.
Добавлено: 16 августа 2019 г.
Салех Х. М., Александров Д. В., Main problems of informatics and information education 2013 P. 264-267
The system of object positioning inside the building using mobile devices and points of Wi-Fi access is considered, in particular, its architecture and subsystem of working out of the building plans. ...
Добавлено: 20 октября 2015 г.
Demochkin K. V., Савченко А. В., Journal of Physics: Conference Series 2019 Vol. 1368 No. 032016 P. 1-7
Добавлено: 29 ноября 2019 г.
Федоров А. Н., Nikolskaia K., Ivanov S. и др., Journal of Big Data 2019 Vol. 6 Article 73
Добавлено: 5 декабря 2020 г.
Sokolova A., Савченко А. В., Optical Memory and Neural Networks (Information Optics) 2020 Vol. 29 No. 1 P. 19-29
В работе рассмотрена задача повышения вычислительной эффективности распознавания лиц на статических изображениях и видео, описываемых векторами признаков высокой размерности, которые извлекаются с использованием сверточных нейронных сетей. Для обработки видеопоследовательностей применены способы агрегации признаков, полученных для каждого видео кадра. Предложен новый иерархический алгоритм распознавания, который отличается от известных подходов тем, что для последовательного анализа более детализированного ...
Добавлено: 25 октября 2019 г.
Савченко А. В., Белова Н. С., Expert Systems with Applications 2018 Vol. 108 P. 170-182
The paper deals with unconstrained face recognition task for the small sample size problem based on computation of distances between high-dimensional off-the-shelf features extracted by deep convolution neural network. We present the novel statistical recognition method, which maximizes the likelihood (joint probabilistic density) of the distances to all reference images from the gallery set. This ...
Добавлено: 17 мая 2018 г.
Харчевникова А. С., Савченко А. В., Компьютерная оптика 2020 Т. 44 № 4 С. 618-626
В работе рассматривается задача извлечения предпочтений пользователя по его фотоальбому. Предложен новый подход на основе автоматического порождения текстовых описаний фотографий и последующей классификации таких описаний. Проведен анализ известных методов создания аннотаций по изображению на основе свёрточных и рекуррентных (Long short-term memory) нейронных сетей. С использованием набора данных Google’s Conceptual Captions обучены новые модели, в которых ...
Добавлено: 16 сентября 2020 г.
Sokolova Anastasiia, Kharchevnikova Angelina, Савченко А. В., Lecture Notes in Computer Science 2018 Vol. 10716 P. 223-230
Добавлено: 24 октября 2017 г.
Computational methods to predict Z-DNA regions are in high demand to understand the functional role of Z-DNA. The previous state-of-the-art method Z-Hunt is based on statistical mechanical and energy considerations about B- to Z-DNA transition using sequence information. Z-DNA CHiP-seq experiment results showed little overlap with Z-Hunt predictions implying that sequence information only is not ...
Добавлено: 11 декабря 2020 г.
Карпова И. П., Управление большими системами: сборник трудов 2022 № 96 С. 69-117
В работе описывается биоинспирированный механизм навигации мобильных роботов, подобный тому, который используют общественные насекомые. Модельным видом является Formica rufa – рыжий лесной муравей. Муравей-разведчик этого вида не только запоминает маршрут до пищи, но умеет передавать муравьям-фуражирам сведения о местонахождении пищи, и те самостоятельно могут до нее дойти и вернуться домой. Рассмотрены основные аспекты навигации муравьев, ...
Добавлено: 8 декабря 2022 г.
Корнилов М. В., IEEE Signal Processing Letters 2020 Vol. 27 P. 1480-1484
Добавлено: 2 ноября 2020 г.
Савченко А. В., , in : Proceedings of International Joint Conference on Neural Networks 2020 (IJCNN 2020). : Piscataway : IEEE, 2020. P. 1-8.
Добавлено: 15 октября 2020 г.
Cham : Springer, 2018
Добавлено: 31 октября 2018 г.
Криницкий М. А., Вереземская П. С., Гращенков К. В. и др., Atmosphere 2018 Vol. 9 No. 426 P. 1-23
Добавлено: 26 ноября 2020 г.
Карпова И. П., Мехатроника, автоматизация, управление 2021 Т. 22 № 10 С. 537-546
Среди природоподобных технологий есть направление, в рамках которого исследуется применение навигационных механизмов насекомых для навигации автономных роботов. Данная работа относится к этому направлению и посвящена использованию этого подхода для решения задач фуражирования и рекогносцировки. В качестве модельного вида взят муравей рода Formica rufa – рыжий лесной муравей. От других видов он отличается тем, что активно ...
Добавлено: 21 сентября 2021 г.
Добавлено: 12 июня 2019 г.
Савченко А. В., Chernousov V.O., International Journal of Conceptual Structures and Smart Applications (IJCSSA) 2014 Vol. 2 No. 2 P. 36-54
Добавлено: 10 сентября 2015 г.
Савченко Л. В., Информационные технологии 2019 Т. 25 № 5 С. 313-318
Рассматривается задача постановки произношения на основе применения методов глубокого обучения совместно с информационной теорией восприятия речи. Для повышения эффективности тестирования качества произношения предложено проводить дообучение сверточной нейронной сети с использованием наилучших эталонов пользователя. Экспериментально показано, что предложенный подход характеризуется высокой точность и скоростью распознавания для различных акустических моделей по сравнению с известными аналогами. ...
Добавлено: 29 мая 2019 г.
Савченко А. В., Miasnikov E., , in : Advances in Intelligent Data Analysis XVIII (IDA 2020). Vol. 12080.: Cham : Springer, 2020. Ch. 33. P. 418-430.
Добавлено: 17 мая 2020 г.
Miasnikov E., Савченко А. В., , in : Proceedings of International Conference on Image Analysis and Recognition (ICIAR 2020). Vol. 12131.: Cham : Springer, 2020. Ch. 9. P. 83-94.
Добавлено: 1 октября 2020 г.