• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Найдено 138 публикаций
Сортировка:
по названию
по году
Книга
Под науч. редакцией: W. M. van der Aalst, V. Batagelj, D. I. Ignatov et al. Vol. 12602. Springer, 2021.
Добавлено: 9 апреля 2021
Статья
Kharchevnikova A., Savchenko A. PeerJ Computer Science. 2021. Vol. 7:e391. P. 1-18.
Добавлено: 25 февраля 2021
Статья
Savchenko A. Information Sciences. 2021. Vol. 560. P. 370-385.
Добавлено: 25 февраля 2021
Статья
Savchenko V. V., Savchenko A. Measurement Techniques. 2021. Vol. 63. No. 11. P. 917-925.
Добавлено: 11 марта 2021
Статья
Савченко А. В. Записки научных семинаров ПОМИ РАН. 2021. Т. 499. С. 267-283.

В статье рассматриваются быстрые алгоритмы распознавания изображений, основанные на статистическом последовательном анализе. Исследованы метода с последовательной обработкой главных компонент векторов признаков изображений, а также с ранним остановом при прямом проходе в сверточной нейронной сети. Особое внимание уделено последовательному обучению нейросетевых моделей для одновременной классификации нескольких атрибутов (пол, возраст, раса) по фотографии лица. Подчеркнуто, что такие модели должны быть полностью дообучены для задач распознавания эмоций. Экспериментальные исследования для нескольких наборов данных показали, что предлагаемый подход позволяет достичь высокой точности классификации и одновременно существенно сократить вычислительную сложность и затраты памяти по сравнению с известными аналогами

Добавлено: 27 января 2021
Статья
Savchenko V. V., Savchenko A. Measurement Techniques. 2020. Vol. 63. No. 5. P. 391-400.

Статья написана в развитие идей из предыдущей работы авторов [5]. Рассмотрена задача автоматизированного контроля качества голосовых образцов, зарегистрированных и хранящихся в Единой биометрической системе России. Предложено решение проблемы своевременного обновления собранных образцов, так как с течением времени они утрачивают свои потребительские качества. Исследован новый показатель акустического качества голосовых образцов в информационной метрике Кульбака–Лейблера и предложен метод его измерений в моменты обращений пользователей в систему с запросами на обслуживание. Показан пример практической реализации предложенного метода в режиме реального времени. С применением авторского программного обеспечения проведён натурный эксперимент, получены количественные оценки периода обновления голосовых образцов, даны рекомендации по их практическому применению. Полученные результаты можно использовать при разработке новых и модернизации существующих систем и технологий автоматизированного контроля качества и адаптивного обновления образцов биометрических персональных данных.

Добавлено: 1 октября 2020
Книга
Под науч. редакцией: W. van der Aalst, V. Batagelj, M. Khachay et al. Vol. 1086. Springer, 2020.
Добавлено: 16 ноября 2019
Глава
Kuznetsov A., Savchenko A. In bk.: Proceedings of the International Conference on Computer Vision and Graphics (ICCVG 2020). Vol. 12334. Cham: Springer, 2020. Ch. 8. P. 87-97.
Добавлено: 1 октября 2020
Статья
Sokolova A., Savchenko A. 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 уровня описания (с большей размерностью вектора признаков) ищет ближайших соседей только среди эталонных изображений наиболее надежных классов, выделенных на предыдущем уровне. При этом на каждом этапе сопоставляются главные компоненты, число которых выбирается, исходя из фиксированной доли объясненной дисперсии. Проведено сравнение разработанного алгоритма с известными аналогами для наборов данных Labeled Faces in the Wild, YouTubeFaces, IAPRA Jenus Benchmark C и различных нейросетевых дескрипторов лиц. Показано, что предложенный подход позволяет уменьшить время работы классификатора в 2-16 раз по сравнению с традиционным методом ближайшего соседа.

Добавлено: 25 октября 2019
Глава
Miasnikov E. V., Savchenko A. In bk.: 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
Глава
Savchenko A., Miasnikov E. V. In bk.: Advances in Intelligent Data Analysis XVIII (IDA 2020). Vol. 12080. Cham: Springer, 2020. Ch. 33. P. 418-430.
Добавлено: 17 мая 2020
Глава
Savchenko A. In bk.: Proceedings of International Joint Conference on Neural Networks 2020 (IJCNN 2020). Piscataway: IEEE, 2020. P. 1-8.
Добавлено: 15 октября 2020
Глава
Демочкина П. В., Savchenko A. In bk.: Proceedings of IEEE International Russian Automation Conference (RusAutoCon 2020). IEEE, 2020. Ch. 110. P. 610-614.
Добавлено: 3 октября 2020
Статья
Savchenko V. V., Savchenko A. Measurement Techniques. 2020. Vol. 62. No. 12. P. 1071-1078.

Поставлена задача автоматизированного контроля качества аудиозаписей, содержащих голосовые образцы физических лиц. Показано, что при решении данной задачи наиболее острой является проблема малых выборок наблюдений. С целью ее преодоления в статье предложен новый, быстродействующий метод акустических измерений, основанный на принципе относительной стабильности частоты основного тона речевого сигнала в пределах голосового образца небольшой длительности. Рассмотрен пример его практической реализации по схеме с межпериодным накоплением сигнала. С использованием авторского программного обеспечения поставлен и проведен натурный эксперимент, получены статистические оценки эффективности метода в условиях действия шума. Показано, что при его применении с вероятностью 0,95 и более аудиозапись отбраковывают как непригодную для биометрической идентификации личности при отношении сигнал-помеха ниже 15 дБ. Полученные результаты предназначены для использования при разработке новых и модернизации существующих систем и технологий сбора и автоматизированного контроля качества биометрических персональных данных.

Добавлено: 22 апреля 2020
Статья
Savchenko A., Дёмочкин К. В., Savchenko L. Optical Memory and Neural Networks (Information Optics). 2020. Vol. 29. No. 4. P. 297-304.
Добавлено: 25 октября 2019
Глава
Savchenko A., Savchenko L., Savchenko V. In bk.: Mathematical Optimization Theory and Operations Research, 19th International Conference, MOTOR 2020, Novosibirsk, Russia, July 6–10, 2020, (Т. 12095). Cham: Springer, 2020. Ch. 30. P. 440-454.
Добавлено: 2 сентября 2020
Глава
Kopeykina L., Savchenko A. In bk.: Proceedings of the VI International conference Information Technology and Nanotechnology. Session Image Processing and Earth Remote Sensing (ITNT-IPERS). Vol. 2665: Information Technology and Nanotechnology. Image Processing and Earth Remote Sensing 2020. Samara: CEUR Workshop Proceedings, 2020. Ch. 39. P. 171-176.
Добавлено: 1 октября 2020
Статья
Savchenko A. IEEE Transactions on Neural Networks and Learning Systems. 2020. Vol. 31. No. 2. P. 651-660.
Добавлено: 1 ноября 2019
Глава
Savchenko A. In bk.: Proceedings of International Joint Conference on Neural Networks 2020 (IJCNN 2020). Piscataway: IEEE, 2020. P. 1-8.
Добавлено: 15 октября 2020
Статья
Савченко А. В., Гречихин И. С. Информационные технологии. 2020. Т. 26. № 10. С. 586-593.

Предложен метод детектирования категорий нескольких различных видов объектов на фотографиях в мобильных устройствах. Вначале с использованием известных нейросетевых детекторов выделяются искомые объекты. Их характерные признаки извлекаются с помощью многозадачной нейросетевой модели с несколькими выходными слоями — по одному на каждый вид объекта. Представлены экспериментальные результаты для распознавания пород собак и кошек и группировки фотографий одного и того же животного.

Добавлено: 29 октября 2020
Статья
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 объединяются характерные признаки фотографии и выходы блока рекуррентной нейронной сети. Исследовано применение алго- ритмов обработки текстов для преобразования полученных аннотаций в пользовательские предпочтения. Проведены экспериментальные исследования с помощью наборов данных Microsoft COCO Captions, Flickr8k и специально собранного набора данных, отражающего интересы пользователя. Показано, что наилучшее качество определения предпочтений достигается с помощью методов поиска ключевых слов и суммаризации текстов из Watson API, которые оказываются на 8 % точнее по сравнению с традиционным латентным размещением Дирихле. При этом описания, порожденные с помощью обученных моделей, классифицируются на 1 – 7 % точнее известных аналогов.

Добавлено: 16 сентября 2020