Отрывок: В процессе предварительного прототипирования метода автоматизированной разметки все обнаруженные микроорганизмы на изображениях были отмечены как 040892 VIII Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2022) Том 4. Искусственный интеллект 20 представители одного домена “бактерии”, тогда как всевозможные небиолог...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Гридин В. Н. | ru |
dc.contributor.author | Новиков И. А. | ru |
dc.contributor.author | Салем Б. Р. | ru |
dc.contributor.author | Солодовников В. И. | ru |
dc.coverage.spatial | разметка данных | ru |
dc.coverage.spatial | сверточные нейронные сети | ru |
dc.coverage.spatial | методы искусственного интеллекта | ru |
dc.coverage.spatial | нейросетевая модель YOLO | ru |
dc.coverage.spatial | обнаружение объектов | ru |
dc.coverage.spatial | предобработка данных | ru |
dc.coverage.spatial | искусственный интеллект | ru |
dc.coverage.spatial | машинное обучение | ru |
dc.coverage.spatial | компьютерное зрение | ru |
dc.creator | Гридин В. Н., Новиков И. А., Салем Б. Р., Солодовников В. И. | ru |
dc.date.issued | 2022 | ru |
dc.identifier | RU\НТБ СГАУ\490971 | ru |
dc.identifier.citation | Полуавтоматическая разметка одноклассовых изображений с применением нейросетевой модели обнаружения объектов / В. Н. Гридин, И. А. Новиков, Б. Р. Салем, В. И. Солодовников // 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. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 040892. | ru |
dc.description.abstract | В результате резкого роста популярности ресурсозатратных методов искусственного интеллекта возникает серьезная проблема предварительной подготовки данных для эффективного обучения моделей на основе сверточных нейронных сетей. Авторами представлен подход, построенный по принципу итеративного обновления обучающей выборки с применением нейросетевой модели YOLO для обнаружения областей интереса, выделения объектов и автоматизации процесса разметки исходных изображений. Предлагаемый подход был апробирован с различными конфигурациями модели для разметки бактерий на изображениях, полученных с помощью сканирующего электронного микроскопа, и в среднем продемонстрировал показатели точности ~90% в процессе обработки набора данных с увеличением исходной обучающей выборки в 1.75 раз. | 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. 4 : Искусственный интеллект | ru |
dc.title | Полуавтоматическая разметка одноклассовых изображений с применением нейросетевой модели обнаружения объектов | ru |
dc.type | Text | ru |
dc.citation.spage | 040892 | ru |
dc.citation.volume | 4 | ru |
dc.textpart | В процессе предварительного прототипирования метода автоматизированной разметки все обнаруженные микроорганизмы на изображениях были отмечены как 040892 VIII Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2022) Том 4. Искусственный интеллект 20 представители одного домена “бактерии”, тогда как всевозможные небиолог... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-040892.pdf | 775.64 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.