Отрывок: Метрики обучения приведены на Рисунке 1. Искусственный интеллект и науки о данных VII Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2021) 032382 Рисунок 1: Метрика точности модели (слева) и потерь (справа) 3. Заключение Точность мультиклассовой классификации составила 93%. Использование алгоритма классификации изображений на основании нейронных сетей позволило повысить точность разделения патологий кожи по сравнен...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Винокуров В. О. | ru |
dc.contributor.author | Матвеева И. А. | ru |
dc.contributor.author | Христофорова Ю. А. | ru |
dc.contributor.author | Мякинин О. О. | ru |
dc.contributor.author | Братченко И. А. | ru |
dc.contributor.author | Братченко Л. А. | ru |
dc.contributor.author | Морятов А. А. | ru |
dc.contributor.author | Козлов С. Г. | ru |
dc.contributor.author | Мачихин А. С. | ru |
dc.contributor.author | Захаров В. П. | ru |
dc.coverage.spatial | CNN | ru |
dc.coverage.spatial | гиперспектральная визуализация | ru |
dc.coverage.spatial | гиперспектральные изображения | ru |
dc.coverage.spatial | базальноклеточная карцинома | ru |
dc.coverage.spatial | VGG | ru |
dc.coverage.spatial | точность классификации | ru |
dc.coverage.spatial | патологии кожного покрова | ru |
dc.coverage.spatial | папиллома | ru |
dc.coverage.spatial | медицинская диагностика | ru |
dc.coverage.spatial | метрики обучения | ru |
dc.coverage.spatial | меланома | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | нейросетевые классификаторы | ru |
dc.coverage.spatial | невус | ru |
dc.creator | Винокуров В. О., Матвеева И. А., Христофорова Ю. А., Мякинин О. О., Братченко И. А., Братченко Л. А., Морятов А. А., Козлов С. Г., Мачихин А. С., Захаров В. П. | ru |
dc.date.issued | 2021 | ru |
dc.identifier | RU\НТБ СГАУ\466347 | ru |
dc.identifier.citation | Нейросетевой классификатор гиперспектральных снимков кожных патологий / В. О. Винокуров, И. А. Матвеева, Ю. А. Христофорова, О. О. Мякинин, И. А. Братченко, Л. А. Братченко, А. А. Морятов, С. Г. Козлов, А. С. Мачихин, В. П. Захаров // Информационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.] / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изображений РАН - фил. ФНИЦ "Кристаллография и фотоника РАН. - Самаpа : Изд-во Самар. ун-та, 2021Т. 3: Искусственный интеллект и науки о данных. - 2021. - С. 032382. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2021) : сб. тр. по материалам VII Междунар. конф. и молодеж. шк. (г. Самара, 20-24 сент.) : [в 3 т.]. | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2021). - Т. 3 : Искусственный интеллект и науки о данных | ru |
dc.title | Нейросетевой классификатор гиперспектральных снимков кожных патологий | ru |
dc.type | Text | ru |
dc.citation.spage | 032382 | ru |
dc.citation.volume | 3 | ru |
dc.textpart | Метрики обучения приведены на Рисунке 1. Искусственный интеллект и науки о данных VII Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2021) 032382 Рисунок 1: Метрика точности модели (слева) и потерь (справа) 3. Заключение Точность мультиклассовой классификации составила 93%. Использование алгоритма классификации изображений на основании нейронных сетей позволило повысить точность разделения патологий кожи по сравнен... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
108paper032382.pdf | 418.77 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.