?
Learning a Model for Shape-Constrained Image Segmentation from Weakly Labeled Data.
Lecture Notes in Computer Science. 2013. Vol. 8081. P. 137–150.
Yangel B. K., Ветров Д. П.
Добавлено: 19 мая 2026 г.
Добавлено: 28 апреля 2026 г.
Добавлено: 20 апреля 2026 г.
Gabdullin N., Андросов И. А., / Series Computer Science "arxiv.org". 2026.
Добавлено: 2 апреля 2026 г.
Сорокин К. С., Бекетов М. Е., Онучин А. и др., / arxiv.org. Серия cs.SI "Social and Information Networks ". 2025.
Обнаружение сообществ в сложных сетях — фундаментальная проблема, открытая для новых подходов в различных научных областях. Мы представляем новый метод обнаружения сообществ, основанный на потоке Риччи на графах. Наша техника итеративно обновляет веса ребер (их метрические длины) в соответствии с их (комбинаторной) версией кривизны Риччи Фостера, вычисленной на основе эффективного расстояния сопротивления между узлами. Известно, ...
Добавлено: 15 января 2026 г.
Петрованов И. С., Сергеев А. В., / Series Computer Science "arxiv.org". 2025. No. 2512.18332.
Добавлено: 24 декабря 2025 г.
Hessian-based lightweight neural network for brain vessel segmentation on a minimal training dataset
Меньшиков И. А., Бернадотт А. К., Елфимов Н. С., / Series arXie "Statistical mechanics". 2025.
Добавлено: 1 декабря 2025 г.
Добавлено: 21 ноября 2025 г.
Рубчинский А. А., Чубарова Д. А., / Series WP7 "Математические методы анализа решений в экономике, бизнесе и политике". 2025. No. WP7/2025/01.
Добавлено: 9 ноября 2025 г.
Пузаченко Ю. Г., Сандлерский Р. Б., Кренке А. Н. и др., Russian Journal of Forest Science 2014 Vol. 7 No. 7 P. 838–854
Предложены подходы к использованию мультиспектральной дистанционной информации в фундаментальных исследованиях пространственно-временной организации биогеоценотического покрова без и с применением наземных полевых измерений. Постулируется, что дистанционные измерения отражают биофизическое состояние биогеоценотического покрова, определяемое процессами поглощения и преобразования солнечной энергии и могут рассматриваться как его свойства. Измерения интерпретируются с позиции термодинамики диссипативных открытых систем. При объединении дистанционной информации ...
Добавлено: 3 сентября 2023 г.
A. N. Krenke, R. B. Sandlersky, A. S. Baybar и др., Известия РАН. Серия биологическая. 2023 Vol. 50 No. 1 P. S85–S99
Кратко рассмотрены четыре основных модели возникновения границ и, в частном случае, целостности, вытекающих из теории нелинейных динамических систем. На основе фундаментальной теоремы отсчета Котельникова и, соответственно, общей теории информации исследуется характер выделяемой границы, как функции частоты опробования в пространственном ряду с регулярным шагом, и вводится единица измерения “берг” – одно полное колебание на один километр, ...
Добавлено: 2 декабря 2022 г.
Voynov A., Morozov S., Бабенко А. В., , in: Proceedings of the 38th International Conference on Machine Learning (ICML 2021)Vol. 139.: PMLR, 2021. P. 10596–10606.
Добавлено: 27 декабря 2021 г.
Switzerland: Springer, 2019.
Добавлено: 8 февраля 2020 г.
Khanzhina N., Putin E., Filchenkov A. и др., , in: 2018 proceedings of European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2018),Bruges (Belgium), 25-27 April 2018.: ESANN, 2018. P. 409–414.
Добавлено: 21 января 2019 г.
Cham: Springer, 2018.
Добавлено: 31 октября 2018 г.
Springer, 2018.
Добавлено: 30 октября 2018 г.
Фам К. Т., Копылов А. В., Computer Optics 2018 P. 1–8
We consider here image denoising procedures, based on computationally effective tree-serial parametric dynamic programming procedures, different representations of an image lattice by the set of acyclic graphs and non-convex regularization of a new type which allows to flexibly set a priori preferences. Experimental results in image denoising, as well as comparison with related methods, are ...
Добавлено: 21 июля 2018 г.
Осокин А. А., Kohli P., , in: Lecture Notes in Computer Science. Proceedings of the 13th European Conference on Computer Vision (ECCV 2014)* 2. Vol. 8690.: Zürich: Springer, 2014. P. 663–678.
Добавлено: 19 октября 2017 г.
Kohli P., Осокин А. А., Jegelka S., , in: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2013).: Portland: IEEE, 2013. P. 1971–1978.
Добавлено: 19 октября 2017 г.
Осокин А. А., Ветров Д. П., Kolmogorov V., , in: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2011).: Colorado Springs: IEEE, 2011. P. 1889–1896.
Добавлено: 18 октября 2017 г.
Pham Cong Thang, Informatica (Ljubljana) 2017 No. 41 P. 255–256
Добавлено: 3 октября 2017 г.
Kirillov A., Gavrikov M., Лобачева Е. М. и др., , in: Proceedings of the 27th British Machine Vision Conference.: -, 2016. P. 1–12.
The Shape Boltzmann Machine (SBM) and its multilabel version MSBM have been recently introduced as deep generative models that capture the variations of an object shape. While being more flexible MSBM requires datasets with labeled parts of the objects for training. In the paper we present an algorithm for training MSBM using binary masks of ...
Добавлено: 24 февраля 2017 г.
Лобачева Е. М., Veksler O., Boykov Y., , in: Proceedings of the 2015 IEEE International Conference on Computer Vision.: Los Alamitos, Washington, Tokyo: IEEE Computer Society, 2015. P. 1626–1634.
Добавлено: 1 октября 2015 г.