Отрывок: Благодарности Теоретическая часть работы и разработка нейросетевых моделей выполнена при поддержке гранта РНФ 20-69-47110, экспериментальная часть выполнена при поддержке грантов РФФИ № 18-07- 01390-А, а также в рамках государственного задания ИСОИ РАН – филиала Федерального научно- исследовательского центра «Кристаллография и фо- тоника» РАН (соглашение № 007-ГЗ/Ч3363/...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Евдокимова, В.В. | - |
dc.contributor.author | Петров, М.В. | - |
dc.contributor.author | Клюева, М.А. | - |
dc.contributor.author | Зыбин, Е.Ю. | - |
dc.contributor.author | Косьянчук, В.В. | - |
dc.contributor.author | Мищенко, И.Б. | - |
dc.contributor.author | Новиков, В.М. | - |
dc.contributor.author | Сельвесюк, Н.И. | - |
dc.contributor.author | Ершов, Е.И. | - |
dc.contributor.author | Ивлиев, Н.А. | - |
dc.contributor.author | Скиданов, Р.В. | - |
dc.contributor.author | Казанский, Н.Л. | - |
dc.contributor.author | Никоноров, А.В. | - |
dc.contributor.author | Evdokimova, V. | - |
dc.contributor.author | Petrov, M. | - |
dc.contributor.author | Klyueva, M. | - |
dc.contributor.author | Zybin, E. | - |
dc.contributor.author | Kosianchuk, V. | - |
dc.contributor.author | Mishchenko, I. | - |
dc.contributor.author | Novikov, V. | - |
dc.contributor.author | Selvesiuk, N. | - |
dc.contributor.author | Ershov, E. | - |
dc.contributor.author | Ivliev, N. | - |
dc.contributor.author | Skidanov, R. | - |
dc.contributor.author | Kazanskiy, N. | - |
dc.contributor.author | Nikonorov, A. | - |
dc.date.accessioned | 2021-03-01 10:20:43 | - |
dc.date.available | 2021-03-01 10:20:43 | - |
dc.date.issued | 2021-02 | - |
dc.identifier | Dspace\SGAU\20210228\87760 | ru |
dc.identifier.citation | Евдокимова, В.В. Нейросетевая реконструкция видеопотока в дифракционных оптических системах массового производства / В.В. Евдокимова, М.В. Петров, М.А. Клюева, Е.Ю. Зыбин, В.В. Косьянчук, И.Б. Мищенко, В.М. Новиков, Н.И. Сельвесюк, Е.И. Ершов, Н.А. Ивлиев, Р.В. Скиданов, Н.Л. Казанский, А.В. Никоноров // Компьютерная оптика. – 2021. – Т. 45, № 1. – С. 130-141. – DOI: 10.18287/2412-6179-CO-834. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-834 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Neirosetevaya-rekonstrukciya-videopotoka-v-difrakcionnyh-opticheskih-sistemah-massovogo-proizvodstva-87760 | - |
dc.description.abstract | Возможность существенно снизить массу и стоимость систем технического зрения привела к появлению большого числа работ, посвященных разработке новых оптических схем на основе дифракционной оптики и новых подходов к реконструкции получаемых изображений. Получаемые системы демонстрируют достаточное для прикладных систем технического зрения качество изображений. Однако при создании таких прикладных систем возможны источники дополнительных потерь качества получаемого видеопотока. В настоящей работе исследовано влияние на итоговое качество реконструируемого видеопотока таких факторов, как ограничения технологии массового производства дифракционной оптики, артефактов сжатия видеопотока с потерями, а также особенностей нейросетевого подхода к реконструкции. Предложена сквозная нейросетевая технология реконструкции изображений, позволяющая компенсировать дополнительные факторы потери качества и получить итоговый видеопоток с качеством, достаточным для решения прикладных задач технического зрения. Many recent studies have focused on developing image reconstruction algorithms in optical systems based on flat optics. These studies demonstrate the feasibility of applying a combination of flat optics and the reconstruction algorithms in real vision systems. However, additional causes of quality loss have been encountered in the development of such systems. This study investigates the influence on the reconstructed image quality of such factors as limitations of mass production technology for diffractive optics, lossy video stream compression artifacts, and specificities of a neural network approach to image reconstruction. The paper offers an end-to-end deep learning-based image reconstruction framework to compensate for the additional factors of quality losing. It provides the image reconstruction quality sufficient for applied vision systems. | ru |
dc.description.sponsorship | Теоретическая часть работы и разработка нейросетевых моделей выполнена при поддержке гранта РНФ 20-69-47110, экспериментальная часть выполнена при поддержке грантов РФФИ № 18-07-01390-А, а также в рамках государственного задания ИСОИ РАН – филиала Федерального научно-исследовательского центра «Кристаллография и фотоника» РАН (соглашение № 007-ГЗ/Ч3363/26). | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 45;1 | - |
dc.subject | дифракционная оптика | ru |
dc.subject | дифракционные линзы | ru |
dc.subject | нейросетевая реконструкция | ru |
dc.subject | обработка изображений | ru |
dc.subject | diffractive optics | ru |
dc.subject | diffractive lenses | ru |
dc.subject | deep learning-based reconstruction | ru |
dc.subject | image processing | ru |
dc.title | Нейросетевая реконструкция видеопотока в дифракционных оптических системах массового производства | ru |
dc.title.alternative | Deep learning-based video stream reconstruction in mass-production diffractive optical systems | ru |
dc.type | Article | ru |
dc.textpart | Благодарности Теоретическая часть работы и разработка нейросетевых моделей выполнена при поддержке гранта РНФ 20-69-47110, экспериментальная часть выполнена при поддержке грантов РФФИ № 18-07- 01390-А, а также в рамках государственного задания ИСОИ РАН – филиала Федерального научно- исследовательского центра «Кристаллография и фо- тоника» РАН (соглашение № 007-ГЗ/Ч3363/... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
450115.pdf | Основная статья | 4.97 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.