Отрывок: Ко- личество изображений в наборах данных и количе- ство классов приведены в табл. 1. Табл. 1. Распределение данных по классам и количество классов Набор данных Количество классов Количество изображений All 595 28272 Top-100 100 14941 Top-50 50 10584 Normalized 213 27582 Обучение производилось на базе платформы Google Colaboratory при помощи библиотеки Tensorflow. Для сравнения были обучены 3 модели на 4 наборах данных. ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Белько, А.В. | - |
dc.contributor.author | Добратулин, К.С. | - |
dc.contributor.author | Кузнецов, А.В. | - |
dc.date.accessioned | 2021-10-13 09:37:04 | - |
dc.date.available | 2021-10-13 09:37:04 | - |
dc.date.issued | 2021-09 | - |
dc.identifier | Dspace\SGAU\20211010\91896 | ru |
dc.identifier.citation | Белько, А.В. Классификация изображений оперения для определения видовой принадлежности птиц / А.В. Белько, К.С. Добратулин, А.В. Кузнецов // Компьютерная оптика. – 2021. – Т. 45, № 5. – С. 749-755. – DOI: 10.18287/2412-6179-CO-836. | ru |
dc.identifier.uri | 10.18287/2412-6179-CO-836 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Klassifikaciya-izobrazhenii-opereniya-dlya-opredeleniya-vidovoi-prinadlezhnosti-ptic-91896 | - |
dc.description.abstract | В работе исследуется возможность применения нейронных сетей для классификации изображений оперения с целью определения видовой принадлежности птиц. Таксономическая идентификация птиц по перу широко применяется в авиационной орнитологии для анализа столкновений с летательными аппаратами и разработки методов их предотвращения. В данной статье производится обучение на основе набора данных с фотографиями оперения птиц. Проводится сравнение классификаторов, обученных на четырех выборках из исходного набора данных. Предлагается метод идентификации птиц по изображениям с реальными данными на основе нейронных сетей YoloV4 и моделей группы DenseNet. Проведенная экспериментальная оценка показала, что предложенный метод позволяет определить видовую принадлежность птицы по фотографии отдельного пера с точностью до 81,03 % для точной классификации и с точностью 97,09 % для первых пяти предсказаний классификатора. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 45;5 | - |
dc.subject | машинное зрение | ru |
dc.subject | распознавание образов | ru |
dc.subject | сверточные нейронные сети | ru |
dc.subject | авиационная орнитология | ru |
dc.title | Классификация изображений оперения для определения видовой принадлежности птиц | ru |
dc.title.alternative | Classification of plumage images for identifying bird species | ru |
dc.type | Article | ru |
dc.textpart | Ко- личество изображений в наборах данных и количе- ство классов приведены в табл. 1. Табл. 1. Распределение данных по классам и количество классов Набор данных Количество классов Количество изображений All 595 28272 Top-100 100 14941 Top-50 50 10584 Normalized 213 27582 Обучение производилось на базе платформы Google Colaboratory при помощи библиотеки Tensorflow. Для сравнения были обучены 3 модели на 4 наборах данных. ... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
14_Белько-Добратулин-Кузнецов_SV(Pics)-KI-Jun-Lit-MI-MA-NL-JuN2-!.pdf | Основная статья | 1.44 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.