СРАВНЕНИЕ ОБНАРУЖЕНИЯ ОБЪЕКТОВ СРЕДСТВАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СРАВНЕНИИ С КЛАССИЧЕСКИМИ МЕТОДАМИ

О журнале

Новости

Цели и сфера

Основатель и издатель

Редакционная коллегия

Условия лицензирования

Конфиденциальность

Отношение к плагиату

Публикационная этика

Политика архивирования

Подписка

Для авторов

Инструкции для авторов

Процесс рецензирования

Авторские права

Договор о передаче прав

Редакционные сборы

Архив

Все выпуски

Поиск

Контакты

Контакты

Зуев Владимир Михайлович
заведующий отделом интеллектуальных робототехнических систем, Федеральное государственное бюджетное научное учреждение «Институт проблем искусственного интеллекта».
283048, г. Донецк, ул. Артема, д. 118 б.
Область научных интересов: компьютерные информационные технологии.

Скачать pdf

УДК 528.013
DOI 10.24412/2413-7383-2024-3-30-35
Язык: Русский
Аннотация: В настоящее время всё чаще используют нейронные сети для обнаружения объектов на видео-изображении. В статье дано сравнение методов обнаружения объектов с использованием искусственного интеллекта и классических методов. Применение нейросети не всегда является оправданным. Традиционные методы фильтрации часто лучше восстанавливают изображение при малых соотношениях сигнал/шум, требуют меньше памяти (что важно при реализации на микропроцессорах) обладают большим быстродействием и меньше нагружают процессор.
Ключевые слова: искусственный интеллект, фильтрация, нейронная сеть.

Список литературы:
1. TR-MISR: Multiimage Super-Resolution Based on Feature Fusion with Transformers. Текст: электронный. arXiv.org: [сайт]. URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9684717 (дата обращения: 16.05.2024).
2. Deep Burst Super-Resolution. Текст: электронный. arXiv.org: [сайт]. URL: https://arxiv.org/pdf/2101.10997v2 (дата обращения: 16.05.2024).
3. Multi-image Super Resolution of Remotely Sensed Images using Residual Feature Attention Deep Neural Networks. — Текст: электронный. arXiv.org: [сайт]. URL: https://arxiv.org/pdf/2007.03107v2 (дата обращения: 16.05.2024).
4. Андреев, А. Ю. Исследование технологии многокадрового сверхразрешения по зашумлённым изображениям / А. Ю. Андреев. Текст : непосредственный. Молодой ученый. 2024. № 20 (519). URL: https://moluch.ru/archive/519/114343/ (дата обращения: 21.05.2024).
5. Мосева, М.C. О существующих методах удаления зашумлений на изображении / М.C. Мосева, К.Р. Харрасов. Инженерный вестник Дона. № 8 (2023) ivdon.ru/ru/magazine/archive/n8y2023/8643.
6. Медведева, Е. В. Цифровая обработка изображений в видеоинформационных системах / Е. В. Медведева. Киров: ВятГУ, 2015. 107 с.
7. Зуев, В.М. Сравнение обнаружения классическим способом / В.М. Зуев. Искусственный интеллект: теоретические аспекты, практическое применение: материалы Донецкого международного круглого стола.-Донецк, ФГБНУ «ИПИИ»2023.-252 с. DOI 10.34757/dntsk/AI/2023/30/008.
8. Анисимов, Б.В. Тихонов, В. И. Статистическая радиотехника / В. И. Тихонов. 2-е изд., перераб. и доп. М.: Радио и связь, 1962. 624 с.
9. Распознавание и цифровая обработка изображений / Анисимов Б.В., Курганов В.Д., Злобин В.К.. М.: «Высшая школа», 1983. 295 с.
10. Потапов, А.А. и др. Новейшие методы обработки изображений / под.ред. Потапова А.А. М.: ФИЗМАТЛИТ, 2008. 496 с. ISBN 978-5-9221-0841-6.
11. Методы компьютерной обработки изображений / под ред. Сойфера В.А. 2-е изд. М.: ФИЗМАТЛИТ, 2003. 784 с. ISBN 5-9221-0270-2.
12. Фисенко, В.Т., Фисенко, Т.Ю. Компьютерная обработка и распознавание изображений: учеб. пособие. - СПб: СПбГУ ИТМО, 2008. – 192 с.
13. Андриянов, Н.А. Обнаружение объектов на изображении: от критериев Байеса и Неймана–Пирсона к детекторам на базе нейронных сетей EfficientDet / Н.А. Андриянов, В.Е. Дементьев, А.Г. Ташлинский // Компьютерная оптика. – 2022. – Т. 46, № 1. – С. 139-159. – DOI: 10.18287/2412-6179-CO-922.

Выпуск: 3(34)'2024
Раздел: РОБОТЫ, МЕХАТРОНИКА И РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫ
Как цитировать: Зуев В. М. СРАВНЕНИЕ ОБНАРУЖЕНИЯ ОБЪЕКТОВ СРЕДСТВАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СРАВНЕНИИ С КЛАССИЧЕСКИМИ МЕТОДАМИ* [Текст] / В. М. Зуев // Проблемы искусственного интеллекта. - 2024. № 3 (34). - С. 30-35. - http://paijournal.guiaidn.ru/ru/2024/3(34)-3.html

Назад к выпуску 3(34)'2024