Отрывок: Однако архитектура основанных на машинном обучении фреймворков компрессии обычно существенным образом опирается на двумерность исходных данных. Поэтому задача обобщения основанных на машинном обучении фреймворков компрессии на гиперспектральные данные является нетривиальной и актуальной. Большинство компонент в гиперспектральных данных обычно очень похожи друг на друга. Мы используем ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Максимов А. И. | ru |
dc.contributor.author | Гашников М. В. | ru |
dc.coverage.spatial | алгоритмы машинного обучения | ru |
dc.coverage.spatial | методы компрессии изображений | ru |
dc.coverage.spatial | гиперспектральные изображения | ru |
dc.coverage.spatial | задача обобщения | ru |
dc.coverage.spatial | экспериментальные данные | ru |
dc.creator | Максимов А. И., Гашников М. В. | ru |
dc.date.issued | 2022 | ru |
dc.identifier | RU\НТБ СГАУ\492060 | ru |
dc.identifier.citation | Максимов, А. И. Обобщение основанного на машинном обучении метода компрессии на гиперспектральные изображения / А. И. Максимов, М. В. Гашников // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 3: Распознавание, обработка и анализ изображений / под ред. В. В. Мясникова. - 2022. - С. 030842. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. - | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2022). - Т. 3 : Распознавание, обработка и анализ изображений | ru |
dc.title | Обобщение основанного на машинном обучении метода компрессии на гиперспектральные изображения | ru |
dc.type | Text | ru |
dc.citation.spage | 030842 | ru |
dc.citation.volume | 3 | ru |
dc.textpart | Однако архитектура основанных на машинном обучении фреймворков компрессии обычно существенным образом опирается на двумерность исходных данных. Поэтому задача обобщения основанных на машинном обучении фреймворков компрессии на гиперспектральные данные является нетривиальной и актуальной. Большинство компонент в гиперспектральных данных обычно очень похожи друг на друга. Мы используем ... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1791-5_2022-030842.pdf | 775.32 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.