Improving the Accuracy of One-Shot Detectors for Small Objects in X-ray Images

Пискунова А. М., Королев Д. А., Скопин Н. Ю. и др., В кн.: ГрафиКон 2025 : материалы 35-й Международной конференции по компьютерной графике и машинному зрению (Россия, Йошкар-Ола, 30 сентября – 2 октября 2025 г.).: Йошкар-Ола: Поволжский государственный технологический университет, 2025. С. 659–669.

В данной статье представлен обзор современных методов решения задачи распознавания рукописного контента, включающего мультиязычный текст (русский и английский) и графические элементы, такие как блок-схемы из прямоугольников и стрелок, с акцентом на распознавание изображений маркерных досок. Для мультиязычного рукописного текста рассмотрены архитектуры, способные обрабатывать несколько языков, а для блок-схем - методы распознавания фигур и структуры. Кроме ...

Добавлено: 9 октября 2026 г.

Shape-aware deep learning for models of production

Prokhorov A., Wei Z., Sang H. и др., Journal of Productivity Analysis 2026 Vol. 65 P. 1–16

Добавлено: 28 сентября 2026 г.

Lightweight Image Preprocessing Model for Improving Microorganism Detection in Microscopic Scenes

Самарин А. В., Торопов А. Г., Савельев А. Г. и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 4 P. 1044–1052

Добавлено: 21 сентября 2026 г.

Filter-Based Preprocessing Neural Network Model for Microorganism Detection Improvement

Aleksei Samarin, Aleksei Toropov, Alexander Savelev и др., , in: Pattern Recognition. ICPR 2024 International Workshops and Challenges. Kolkata, India, December 1, 2024, Proceedings, Part III. LNCS, volume 15616.: Cham: Springer, 2025. P. 308–320.

Добавлено: 21 сентября 2026 г.

Применение технологий компьютерного зрения в системах обработки визуальной информации

Лебедев О. Б., Черкасов Р. И., Известия ЮФУ. Технические науки 2025 № 5(247) С. 254–276

Рассмотрено применение технологий искусственного интеллекта, в частности компьютерного зрения в системах обработки визуальной информации. Проведен комплексный анализ нейросетевых подходов к решению задач компьютерного зрения, включая систематизацию ключевых типов задач: классификацию изображений, детектирование объектов и семантическую сегментацию. Детально исследованы архитектурные принципы сверточных нейронных сетей с акцентом на механизмы извлечения пространственных признаков через сверточные слои, оптимизацию представления ...

Добавлено: 10 сентября 2026 г.

MinMAE calibration method for convolutional neural network quantization

Vasilev A., Kapitanov A., Roman Solovyev и др., PeerJ Computer Science 2026 Vol. 12 Article 3724

Добавлено: 3 мая 2026 г.

HoTPP benchmark: Are we good at the long horizon events forecasting?

Karpukhin I., Шипилов Ф. А., Савченко А. В., Neurocomputing 2026 Vol. 672 Article 132771

Добавлено: 25 февраля 2026 г.

Определение фолликулярного резерва яичников по данным ультразвукового исследования на основе методов машинного обучения

Мошкин А. С., Лапутин Ф. А., Сидоров И. В., DIGITAL DIAGNOSTICS 2024 Т. 5 № S1 С. 40–42

Обоснование. Овариальный резерв отражает способность женщины к успешной реализации репродуктивной функции. Оценка овариального резерва является актуальной задачей для клинической практики [1] и важна при проведении научных исследований. Использование методов компьютерной обработки диагностических изображений способно ускорить и облегчить выполнение рутинных задач в клинической практике. Их применение при ретроспективном анализе данных в научных целях позволяет повысить объективность ...

Добавлено: 21 февраля 2026 г.

Ансамбль современных моделей компьютерного зрения для задачи обнаружения дипфейков

Пикуль А. С., Безопасность информационных технологий 2024 Т. 31 № 4 С. 116–127

Исследуется возможность применения современных архитектур компьютерного зрения для задачи обнаружения дипфейков. Рассматриваются следующие архитектуры: EfficientNet, Vision Transformer (ViT), VisionLSTM (ViL), VisionKAN и Mamba Vision. Новизна подхода заключается в применении и сравнении работы данных архитектур, а также в их объединении в парные ансамбли для повышения точности детекции дипфейков. В работе проведен эксперимент, основанный на применении нескольких ...

Добавлено: 12 декабря 2025 г.

Effects of Simulator Fidelity on Automated Vehicle Object Perception Accuracy

Grigoriy Simakov, Степанянц В. Г., Martyusheva A., , in: 2025 International Russian Smart Industry Conference (SmartIndustryCon).: Sochi: IEEE, 2025. P. 794–798.

Добавлено: 10 мая 2025 г.

Evolving Safety Protocols: Deep Learning-Enabled Detection of Personal Protective Equipment

, in: Lecture Notes in Electrical EngineeringVol. 489: Applied Physics, System Science and Computers II.: Springer, 2019. P. 87–100.

Добавлено: 30 декабря 2024 г.

Development of a Detector for Stamps on Images

Kseniia Prokudina, Mikhail Skriplyonok, Alexander Vostrikov, , in: 2024 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), 20-24 May 2024.: IEEE, 2024. P. 865–869.

Добавлено: 26 ноября 2024 г.

The Appliance of Deep Neural Networks in the Process of Managing Chemical Enterprises

Kulyasova E. V., Kulyasov N.S., Puchkov A. Y., , in: Journal of Physics: Conference Series Volume 1260, 2019 Mechanical Science and Technology Update 23–24 April 2019, Omsk, Russian Federation.: IOP Publishing, 2019. Ch. 3 P. 032024–032024.

Добавлено: 27 сентября 2024 г.

Latent Stochastic Differential Equations for Change Point Detection

Рыжиков А. С., Гущин М. И., Деркач Д. А., IEEE Access 2023 Vol. 11 P. 104700–104711

Добавлено: 5 октября 2023 г.

Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting

Grigoryev T., Вереземская П. С., Krinitskiy M. и др., Remote Sensing 2022 Vol. 14 No. 22 Article 5837

Добавлено: 19 июня 2023 г.