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 ...
Название : | Обобщение основанного на машинном обучении метода компрессии на гиперспектральные изображения |
Авторы/Редакторы : | Максимов А. И. Гашников М. В. |
Дата публикации : | 2022 |
Библиографическое описание : | 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. |
Другие идентификаторы : | RU\НТБ СГАУ\492060 |
Ключевые слова: | алгоритмы машинного обучения методы компрессии изображений гиперспектральные изображения задача обобщения экспериментальные данные |
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 полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.