АЛГОРИТМЫ ОБНАРУЖЕНИЯ И КЛАССИФИКАЦИИ ВИЗУАЛЬНЫХ ДАННЫХ : научное издание

Перевод названия: DETECTION ALGORITHMS AND VISUAL DATA CLASSIFICATION

Тип публикации: статья из журнала

Год издания: 2019

Ключевые слова: изображение, обработка и анализ изображений, методы обнаружения признаков, методы классификации, методы машинного обучения, нейросетевые технологии, image, Image processing and analysis, feature detection methods, classification methods, machine learning methods, neural network technologies

Аннотация: В работе рассматриваются общие подходы к обработке изображений, анализа визуальных данных и компьютерного зрения. Представляются основные методы обнаружения признаков и краев, связанные с этими подходами. Также дано краткое описание современных алгоритмов обнаружения краев и классификации, пригодные для выделения и характеристики типа патологии в легких на медицинских снимках. В частности, демонстрируется идея, лежащая в основе матрицы совпадений уровня серого и описание компонентного анализа (PCA) в качестве одного из методов извлечения и сокращения признаков. Приводится краткий обзор различных способов машинного обучения, основанных на нейросетевых технологиях применительно к решению задач классификации изображений.

Ссылки на полный текст

Издание

Журнал: Информатизация и связь

Выпуск журнала: 4

Номера страниц: 55-63

ISSN журнала: 20788320

Место издания: Москва

Издатель: Автономная некоммерческая организация "Редакция журнала "Информатизация и связь"

Авторы

  • Симонов Константин Васильевич (Институт вычислительного моделирования СО РАН)
  • Зотин Александр Геннадьевич (Сибирский государственный университет науки и технологии им. академика М.Ф. Решетнева)
  • Хамад Юсиф Ахмед (Институт космических и информационных технологий Сибирского федерального университета)
  • Курако Михаил Александрович (Институт космических и информационных технологий Сибирского федерального университета)
  • Кенц Анжелика Станиславовна (Федеральный Сибирский научно-клинический центр ФМБА России)

Вхождение в базы данных

Информация о публикациях загружается с сайта службы поддержки публикационной активности СФУ. Сообщите, если заметили неточности.

Вы можете отметить интересные фрагменты текста, которые будут доступны по уникальной ссылке в адресной строке браузера.