Proceedings Volume 11605, Thirteenth International Conference on Machine Vision

Публикации

?

Proceedings Volume 11605, Thirteenth International Conference on Machine Vision

SPIE, 2021.

Teplyakov L., Kaymakov K., Shvets E., Nikolaev D.

Язык: английский

DOI

Proceedings Volume 11605, Thirteenth International Conference on Machine Vision

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.

Recognition of Mentally Pronounced Russian Phonemes Using Convolutional Neural Networks and Electroencephalography Data

Seleznev L. E., Chupakhin A. A., Kostenko V. A. и др., Optical Memory and Neural Networks (Information Optics) 2023 Vol. 32 No. 2 P. 73–85

Добавлено: 2 октября 2025 г.

Convolutional Neural Networks Decode Finger Movements in Motor Sequence Learning from MEG Data

Zabolotniy A., Chan R. W., Моисеева В. В. и др., Frontiers in Neuroscience 2025 Vol. 19 Article 1623380

Добавлено: 2 октября 2025 г.

Automatic Morpheme Segmentation for Russian: Can an Algorithm Replace Experts?

Morozov D., Garipov T., Ляшевская О. Н. и др., Journal of Language and Education 2024 Vol. 10 No. 4 P. 71–84

Introduction: Numerous algorithms have been proposed for the task of automatic morpheme segmentation of Russian words. Due to the differences in task formulation and datasets utilized, comparing the quality of these algorithms is challenging. It is unclear whether the errors in the models are due to the ineffectiveness of algorithms themselves or to errors and inconsistencies ...

Добавлено: 7 января 2025 г.

Lightweight and Elegant Data Reduction Strategies for Training Acceleration of Convolutional Neural Networks

Демидовский А. В., Artyom Tugaryov, Aleksei Trutnev и др., Mathematics 2023 Vol. 14 No. 11 Article 3120

Добавлено: 12 сентября 2023 г.

MobileEmotiFace: Efficient Facial Image Representations in Video-Based Emotion Recognition on Mobile Devices

Демочкина П. В., Савченко А. В., , in: Pattern Recognition. ICPR International Workshops and Challenges. Virtual Event, January 10–15, 2021, Proceedings, Part V.: Springer, 2021. P. 266–274.

Добавлено: 10 апреля 2022 г.

Touching the Limits of a Dataset in Video-Based Facial Expression Recognition

Чураев Е. Н., Савченко А. В., , in: 2021 International Russian Automation Conference (RusAutoCon).: IEEE, 2021. P. 633–638.

Добавлено: 7 октября 2021 г.

Some Features of Sentiment Analysis for Russian Language Posts and Comments from Social Networks

Sidorov Nikita, Slastnikov Sergey, Journal of Physics: Conference Series 2021 Vol. 1740 P. 1–6

Добавлено: 2 февраля 2021 г.

Deep convolutional neural networks capabilities for binary classification of polar mesocyclones in satellite mosaics

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.

Sentiment analysis of product reviews in Russian using convolutional neural networks

Сметанин С. И., Комаров М. М., , in: 2019 IEEE 21st Conference on Business Informatics (CBI)Vol. 2.: The Institute of Electrical and Electronics Engineers, Inc. , 2019. P. 482–486.

Добавлено: 1 ноября 2020 г.

Deep Learning Approaches for Understanding Simple Speech Commands

Solovyev R. A., Vakhrushev M., Radionov A. и др., , in: 2020 IEEE 40th International Conference on Electronics and Nanotechnology (ELNANO).: IEEE, 2020. Ch. 9088863 P. 688–693.

Добавлено: 19 сентября 2020 г.

Optimization of Gain in Symmetrized Itakura-Saito Discrimination for Pronunciation Learning

Савченко А. В., Савченко Л. В., Savchenko V., , in: 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 г.

Распознавание изолированных слов на основе взвешенного голосования дикторозависимых нейросетевых моделей

Савченко Л. В., Информационные технологии 2020 Т. 26 № 5 С. 290–296

В статье рассматривается задача распознавания изолированных слов с помощью методов глубокого обучения и сверточных нейронных сетей. Предложено выполнить дообучение сетей для проведения адаптации акустических моделей на голос диктора с использованием малого числа произнесенных им реализаций эталонных слов. Для понижения вероятности ошибочного распознавания рассматривается комбинирование нескольких различных дообученных дикторозависимых нейросетевых моделей. ...

Добавлено: 2 сентября 2020 г.

Methods of obtaining geospatial data using satellite communications and their processing using convolutional neural networks

Tsvetkovskaya I. I., Tekutieva N. V., Прокофьева Е. Н. и др., , in: 2020 Moscow Workshop on Electronic and Networking Technologies (MWENT).: IEEE, 2020. P. 1–5.

Добавлено: 23 июня 2020 г.

Morpheme Segmentation for Russian: Evaluation of Convolutional Neural Network Models

Maltina L., Малафеев А. Ю., , in: Analysis of Images, Social Networks and Texts. 8th International Conference, AIST 2019, Kazan, Russia, July 17–19, 2019, Revised Selected Papers. Communications in Computer and Information ScienceVol. 1086.: Springer, 2020. P. 160–166.

Добавлено: 16 ноября 2019 г.

A Deep Learning Method Study of User Interest Classification

Малафеев А. Ю., Николаев К. И., , in: Analysis of Images, Social Networks and Texts. 8th International Conference, AIST 2019, Kazan, Russia, July 17–19, 2019, Revised Selected Papers. Communications in Computer and Information ScienceVol. 1086.: Springer, 2020. P. 154–159.

В статье проводится исследование методов глубокого обучения для решения новой задачи многоклассовой классификации текстов, а именно определения интересов пользователей с помощью текстовых сообщений. Мы использовали оригинальный набор данных из почти 90 тысяч текстовых сообщений с форумов, размеченных по десяти интересам. Мы экспериментировали с различными современными архитектурами нейронных сетей: рекуррентными и сверточными, а также с более простыми сетями с прямой связью. ...

Добавлено: 7 ноября 2019 г.

User Modeling on Mobile Device Based on Facial Clustering and Object Detection in Photos and Videos

Гречихин И. С., Andrey V. Savchenko, , in: Pattern Recognition and Image Analysis* 2.: Springer, 2019. P. 429–440.

Добавлено: 23 сентября 2019 г.

On Reproducing Semi-dense Depth Map Reconstruction using Deep Convolutional Neural Networks with Perceptual Loss

Макаров И. А., Dmitrii Maslov, Герасимова О. А. и др., , in: Proceedings of 27th ACM International Conference on Multimedia.: NY: ACM, 2019. P. 1080–1084.

In our recent papers, we proposed a new family of residual convolutional neural networks trained for semi-dense and sparse depth reconstruction without use of RGB channel. The proposed models can be used in low-resolution depth sensors or SLAM methods estimating partial depth with certain distributions. We proposed using perceptual loss for training depth reconstruction in ...

Добавлено: 16 сентября 2019 г.

Proceedings of Third Workshop "Computational linguistics and language science"

Wohlgenannt G., von Waldenfels R., Толдова С. Ю. и др., Manchester: EasyChair, 2019.

Добавлено: 9 сентября 2019 г.

Система постановки произношения на основе сверточных нейронных сетей и информационной теории восприятия речи

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.