Отрывок: Использовались объекты BMP2, BTR70, T72, для каждого объекта из базы были задействованы обучающие и контрольные выборки. Данные SAR изображения получены с помощью радиолокатора в X-диапазоне под двумя разными углами места (15◦ и 17◦). На этапе построения классификатора для обеспечения многомасштабности было использовано различное количество ранговых блоков 16 (4×4), 64 (8×8), 256 (16×16), 1024 (32×32) и соответственно доменных блоков 9 (3×3), 49 (7×...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Минаев, Е.Ю. | - |
dc.contributor.author | Minaev, E.Yu. | - |
dc.date.accessioned | 2019-04-22 11:47:05 | - |
dc.date.available | 2019-04-22 11:47:05 | - |
dc.date.issued | 2019-05 | - |
dc.identifier | Dspace\SGAU\20190422\75758 | ru |
dc.identifier.citation | Минаев Е.Ю Исследование метода машинного обучения на основе фрактального сжатия // Сборник трудов ИТНТ-2019 [Текст]: V междунар. конф. и молодеж. шк. "Информ. технологии и нанотехнологии": 21-24 мая: в 4 т. / Самар. нац.-исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем. обраб. изобр. РАН-фил. ФНИЦ "Кристаллография и фотоника" РАН; [под ред. В.А. Фурсова]. - Самара: Новая техника, 2019 – Т. 4: Науки о данных. - 2019 - С. 1032-1036. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Issledovanie-metoda-mashinnogo-obucheniya-na-osnove-fraktalnogo-szhatiya-75758 | - |
dc.description.abstract | В данной статье исследован метод машинного обучения с циклическим фрактальным кодированием и использованием словаря доменных блоков, адаптированный для применения на мобильных платформах, с оптимизацией производительности и объема хранимых фрактальных образов изображений. Основная идея метода заключается в применении метода фрактального сжатия на основе систем итерированных функций для понижения размерности исходных изображений, и использовании циклического фрактального кодирования для представления класса изображений в целом. В результате исследований метода получено, что доля верно распознанных объектов по базе MSTAR в среднем составляет 0.892, время распознавания в среднем 254 мс. Достигнутые показатели являются приемлемыми для использования в мобильных платформах, в т.ч. для БПЛА и наземных автономных роботов. | ru |
dc.description.sponsorship | Разработка методов и алгоритмов выполнена при поддержке РФФИ (проект No 17-29-03112- офи-м), экспериментальные исследования - в рамках госзадания ИСОИ РАН - филиал ФНИЦ "Кристаллография и Фотоника" РАН (соглашение No 007-ГЗ/Ч3363/26). | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.title | Исследование метода машинного обучения на основе фрактального сжатия | ru |
dc.title.alternative | An investigation of machine learning method based on fractal compression | ru |
dc.type | Article | ru |
dc.textpart | Использовались объекты BMP2, BTR70, T72, для каждого объекта из базы были задействованы обучающие и контрольные выборки. Данные SAR изображения получены с помощью радиолокатора в X-диапазоне под двумя разными углами места (15◦ и 17◦). На этапе построения классификатора для обеспечения многомасштабности было использовано различное количество ранговых блоков 16 (4×4), 64 (8×8), 256 (16×16), 1024 (32×32) и соответственно доменных блоков 9 (3×3), 49 (7×... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper134.pdf | Основная статья | 239.83 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.