• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Глава
  • Automatic image annotation based on low-level features and classification of the statistical classes
  • RU
  • EN
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
  • бизнес-информатика
  • государственное и муниципальное управление
  • гуманитарные науки
  • инженерные науки
  • компьютерно-математическое
  • математика
  • менеджмент
  • право
  • социология
  • экономика
по году
  • 2027
  • 2026
  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1958
  • еще
Тематика
Новости
27 августа 2026 г.
Ученые НИУ ВШЭ представили свою разработку для систем связи 6G
Терагерцовая нейроморфная схема, разработанная учеными Вышки, позволяет сделать системы связи 6G одновременно более точными и менее энергоемкими. Точность определения положения мобильных устройств внутри помещений достигает 99%. Результаты работы представили на PIERS 2026 — международном симпозиуме по фотонике и электромагнетизму в Китае.
25 августа 2026 г.
Исследователи ВШЭ сравнили рекомендательные алгоритмы по правилам спортивного турнира
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали подход, который помогает эффективнее подбирать рекомендательные алгоритмы. В нем разные методы попарно соревнуются, а по результатам всех поединков составляется общий рейтинг. Это помогает сократить число алгоритмов, которые нужно проверять при разработке новых сервисов, и сэкономить денежные и временные ресурсы.Исследование было представлено на  32-й конференции ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026).
20 августа 2026 г.
<a>Исследователи НИУ ВШЭ и Сбера научили нейросети лучше угадывать предпочтения пользователей
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбер представили новую архитектуру для рекомендательных систем: благодаря объединению двух классов моделей алгоритмы лучше угадывают интересы и потребности пользователей. Препринт работы опубликован на сайте arxiv.org и представлен на летнем фестивале «Урбан ML».

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации
  • Книги
  • Статьи
  • Главы в книгах
  • Препринты
  • Верификация публикаций
  • Расширенный поиск
  • Правила использования материалов
  • Наука в ВШЭ

?

Automatic image annotation based on low-level features and classification of the statistical classes

P. 314–321.
Броневич А. Г., Melnichenko A. S.

В данной работе рассматривается проблема автоматического аннотирования изображений набором ключевых слов, что позволяет осуществлять поиск изображений в больших коллекциях по текстовому запросу. Рассматривается общая схема аннотации с использованием глобальных низкоуровневых признаков изображений, представляемых как статистические классы. С помощью процедуры классификации статистических классов, основанной на предлагаемой мере включения, производится построение вторичных информативных признаков изображений, по которым и производится классификация изображений по ключевым словам.

Язык: английский
Полный текст
Ключевые слова: automatic image annotationlow-level featuresstatistical classesinclusion measureавтоматическая аннотация изображенийнизкоуровневые признакистатистические классымера включения

В книге

Rough Sets, Fuzzy Sets, Data Mining and Granular Computing: 13th International Conference, RSFDGrC 2011, Moscow, Russia, June 25-27, 2011. Proceedings
Rough Sets, Fuzzy Sets, Data Mining and Granular Computing: 13th International Conference, RSFDGrC 2011, Moscow, Russia, June 25-27, 2011. Proceedings
Vol. 6743. , Berlin, Heidelberg: Springer, 2011.
Похожие публикации
Automatic image annotation with low-level features and conditional random fields
Bronevich A.G., Melnichenko A. S., , in: IC3K 2013; KDIR 2013 - 5th International Conference on Knowledge Discovery and Information Retrieval and KMIS 2013 - 5th International Conference on Knowledge Management and Information Sharing, Proc. Vilamoura, Algarve; Portugal; 19 -22 September.: Setúbal: SciTePress, 2013. P. 197–201.
Добавлено: 17 октября 2016 г.
Advances in Reasoning-Based Image Processing Intelligent Systems: Conventional and Intelligent Paradigms, Series on Intelligent Systems Reference Library
Heidelberg: Springer, 2012.
We describe a novel method for the analysis of research activities of an organization by mapping that to a taxonomy tree of the field. The method constructs fuzzy membership profiles of the organizationmembers or teams in terms of the taxonomy’s leaves (research topics), and then it generalizes them in two steps. These steps are: (i) ...
Добавлено: 29 октября 2013 г.
Автоматическая аннотация изображений на основе классификации статистических классов
Броневич А. Г., Мельниченко А. С., Нечеткие системы и мягкие вычисления 2011 Т. 6 № 1 С. 31–42
В данной работе рассматривается проблема автоматического аннотирования изображений набором ключевых слов, что позволяет осуществлять поиск изображений в больших коллекциях по текстовому запросу. Рассматривается общая схема аннотации с использованием глобальных низкоуровневых признаков изображений, представляемых как статистические классы. С помощью процедуры классификации статистических классов, основанной на предлагаемой мере включения, производится построение вторичных информативных признаков изображений, по которым ...
Добавлено: 2 марта 2013 г.
  • О ВЫШКЕ
  • Цифры и факты
  • Руководство и структура
  • Устойчивое развитие в НИУ ВШЭ
  • Преподаватели и сотрудники
  • Корпуса и общежития
  • Закупки
  • Обращения граждан в НИУ ВШЭ
  • Фонд целевого капитала
  • Противодействие коррупции
  • Сведения о доходах, расходах, об имуществе и обязательствах имущественного характера
  • Сведения об образовательной организации
  • Людям с ограниченными возможностями здоровья
  • Единая платежная страница
  • Работа в Вышке
  • ОБРАЗОВАНИЕ
  • Лицей
  • Довузовская подготовка
  • Олимпиады
  • Прием в бакалавриат
  • Вышка+
  • Прием в магистратуру
  • Аспирантура
  • Дополнительное образование
  • Центр развития карьеры
  • Бизнес-инкубатор ВШЭ
  • Образовательные партнерства
  • Обратная связь и взаимодействие с получателями услуг
  • НАУКА
  • Научные подразделения
  • Исследовательские проекты
  • Мониторинги
  • Диссертационные советы
  • Защиты диссертаций
  • Академическое развитие
  • Конкурсы и гранты
  • Внешние научно-информационные ресурсы
  • РЕСУРСЫ
  • Библиотека
  • Издательский дом ВШЭ
  • Книжный магазин «БукВышка»
  • Типография
  • Медиацентр
  • Журналы ВШЭ
  • Публикации
  • http://www.minobrnauki.gov.ru/
    Министерство науки и высшего образования РФ
  • https://edu.gov.ru/
    Министерство просвещения РФ
  • https://elearning.hse.ru/mooc
    Массовые открытые онлайн-курсы
  • НИУ ВШЭ1993–2026
  • Адреса и контакты
  • Условия использования материалов
  • Политика обработки персональных данных
  • Правила применения рекомендательных технологий в НИУ ВШЭ
  • Карта сайта
Редактору