2025-02-22T10:37:41-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: Query fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22irk-123456789-180481%22&qt=morelikethis&rows=5
2025-02-22T10:37:41-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: => GET http://localhost:8983/solr/biblio/select?fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22irk-123456789-180481%22&qt=morelikethis&rows=5
2025-02-22T10:37:41-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: <= 200 OK
2025-02-22T10:37:41-05:00 DEBUG: Deserialized SOLR response
Побудова семантичної моделі зображення з використанням машинного навчання на базі згорткових нейронних мереж

Побудова семантичної моделі зображення з використанням машинного навчання на базі згорткових нейронних мереж

У роботі описано основні напрямки досліджень у сфері побудови моделей автоматизації комп’ютерного розпізнавання сутності цифрового зображення. Введено поняття семантичної моделі зображення та описано реалізацію моделі машинного навчання для вирішення задачі автоматичної побудови такої моделі для вхі...

Full description

Saved in:
Bibliographic Details
Main Authors: Андон, П.І., Глибовець, А.М., Куриляк В.В.
Format: Article
Language:Ukrainian
Published: Інститут програмних систем НАН України 2020
Series:Проблеми програмування
Subjects:
Методи машинного навчання
Online Access:http://dspace.nbuv.gov.ua/handle/123456789/180481
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:У роботі описано основні напрямки досліджень у сфері побудови моделей автоматизації комп’ютерного розпізнавання сутності цифрового зображення. Введено поняття семантичної моделі зображення та описано реалізацію моделі машинного навчання для вирішення задачі автоматичної побудови такої моделі для вхідного зображення. Семантична модель складається зі списку об’єктів, які показано на зображенні, та їх зв’язків. Розроблена модель була порівняна з іншими рішеннями для цієї самої проблеми і показала кращі результати в усіх, за винятком одного, випадків. Ефективність роботи моделі обґрунтована використанням останніх досягнень машинного навчання, зокрема ЗНМ, TL, моделей Faster R-CNN i VGG16. Значна частина зв’язків представлених на зображенні є просторовими зв’язками, таким чином, для кращої роботи моделі, потрібно використовувати цей факт у її проектуванні, що і було зроблено.

Similar Items