Вісники та науково-технічні збірники, журнали

Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12

Browse

Author: search.filters.author.Ізонін, І.Subject: search.filters.subject.004.896

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    До питання про прискорений вибір значення коефіцієнта Кросинговера в задачах передискретизації зображень
    (Видавництво Львівської політехніки, 2017-03-28) Пелешко, Д.; Винокурова, О.; Рак, Т.; Ізонін, І.; Пелешко, М.; Михайлюк, С.; Національний університет “Львівська політехніка”; Харківський національний університет радіоелектроніки; Львівський державний університет безпеки життєдіяльності
    Розроблено новий метод прискореного автоматичного визначення значення коефіцієнта операції кросинговера у задачах попереднього опрацювання зображень з використанням матричних операторів дивергенції. Експериментальні дослідження показують високу стійкість методу до обробки зображень із флуктуаційною функцією інтенсивності. Порівняння результатів роботи за розробленим методом з результатами за існуючим показало прискорення автоматичного вибору коефіцієнта кросинговеру, що значно зменшує кількість необхідних обчислювальних ресурсів для його роботи. Це зумовлює можливість його ефективного застосування під час обробки великорозмірних зображень.
  • Thumbnail Image
    Item
    Дослідження та аналіз методів забезпечення надвисокої роздільної здатності зображень на основі машинного навчання
    (Видавництво Львівської політехніки, 2017-03-28) Ізонін, І.; Національний університет “Львівська політехніка”
    Досліджено методи забезпечення надвисокої роздільної здатності зображень на основі машинного навчання. Проаналізовано роботу різних груп цих методів, подано їхні переваги та недоліки. На основі проведених практичних експериментів здійснено порівняльний аналіз (за критерієм PSNR) методів забезпечення надвисокої роздільної здатності у випадку одного вхідного зображення з різних класів. Експериментально встановлено, що найкращі результати отримано при використанні методу на основі конволюційної нейронної мережі. Незважаючи на часо- та ресурсозатратну процедуру навчання за цим методом, його навчальну модель можна використовувати для обробки зображень різних класів.