Вісники та науково-технічні збірники, журнали

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

Browse

Author: search.filters.author.Рак, Т.Subject: search.filters.subject.004.855.5

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Зменшення кількості хибних викликів під час розв’язання задачі детектування полум’я у відеопотоці з використанням глибоких згорткових нейронних мереж
    (Видавництво Львівської політехніки, 2017-03-28) Максимів, О.; Рак, Т.; Пелешко, Д.; Львівський державний університет безпеки життєдіяльності; Національний університет “Львівська політехніка”
    Розроблено новий підхід до детектування полум’я на зображеннях, який ґрунтується на використанні згорткових нейронних мереж. Запропоновано структуру реалізації каскадного підходу до детектування вогню, яка забезпечує покращену ефективність розпізнавання на зображеннях з низькою роздільною здатністю, та об’єктів, які можуть візуально нагадувати полум’я. Проведено експерименти з дослідження запропонованого методу порівняно з сучасним методом детектування об’єктів Faster R-CNN. У результаті проведених експериментів було виявлено покращення показника ефективності в середньому на 20%.
  • 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.