Название статьи |
СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ И РАСПОЗНАВАНИЕ ОБЪЕКТОВ НА ОСНОВЕ ТЕХНОЛОГИИ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ
|
Авторы |
Анатолий Иванович Годунов, доктор технических наук, профессор, профессор кафедры автоматики и телемеханики, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: Godunov@pnzgu.ru
Сергей Товмасович Баланян, кандидат технических наук, доцент, докторант кафедры авиационного вооружения и эффективности боевого применения, Военно-воздушная академия имени профессора Н. Е. Жуковского и Ю. А. Гагарина (Россия, г. Воронеж, ул. Старых Большевиков, 54А), E-mail: bst76@yandex.ru
Павел Сергеевич Егоров, адъюнкт кафедры авиационного вооружения и эффективности боевого применения, Военно-воздушная академия имени профессора Н. Е. Жуковского и Ю. А. Гагарина (Россия, г. Воронеж, ул. Старых Большевиков, 54А), E-mail: ahtuba.egor@mail.ru
|
Индекс УДК |
623.465.7
|
DOI
|
10.21685/2307-4205-2021-3-8
|
Аннотация |
Актуальность и цели. Рассматривается процесс сегментации изображений и дается сравнительная оценка существующих методов с разработанным на основе сверточной нейронной сети. Материалы и методы. Исследуются различные методы, такие как пороговые методы сегментации: Оцу, Ниблэка, Бернсена, Савола, и метод сегментации изображений с помощью сверточной нейронной сети (разработанный метод).тПриведены примеры сегментации, их достоинства и недостатки. Представлены алгоритмические описания методов сегментации. Проведены эксперименты по исследованию сегментации кадров (изображений) из видеопоследовательности. Результаты и выводы. Представлены результаты проведенного эксперимента, показывающие работу того или иного метода сегментации.
|
Ключевые слова
|
адаптивные методы, пороговые методы, сегментация, метод Оцу, метод Ниблэка, метод Бернсена, метод Савола, сверточная нейронная сеть
|
|
Скачать статью в формате PDF
|
Список литературы |
1. Минченков М. В., Хельвас А. В., Юрин Д. В. Алгоритм автоматической сегментации изображений для систем технического зрения // Обработка информации и моделирование : сб. тр. М. : МФТИ, 2002.
2. Ramadevi Y., Sridevi T., Poornima B., Kalyani B. Сегментация изображения и распознавания объектов на основе технологии выделения контуров / пер. с англ. Е. В. Витковской // Международный журнал компьютерных наук и информационных технологий. 2010. Т. 2, № 6.
3. Каздорф С. Я., Першина Ж. С. Алгоритм семантической сегментации трехмерных сцен. Новосибирск : Новосиб. гос. техн. ун-т, 2019.
4. Горбачев В. А., Криворотов И. А., Маркелов А. О., Котлярова Е. В. Семантическая сегментация спутниковых снимков аэропортов с помощью сверточных нейронных сетей М. : Компьютерная оптика. 2020. Вып. 44 (4).
5. Патент RU 2349864 C2 Российская Федерация. Нашлемная разведывательная система пассивного дальнометрирования объектов / Пархоменко В. А., Устинов Е. М., Бестужев Л. В. [и др.]. № 2007103759/02 ; заявл. 31.01.2007 ; опубл. 20.03.2009.
6. Исрафилов Х. С. Исследование методов сегментации изображений // Вестник науки и образования. 2017. № 6. Т. 2.
7. Тужилкин А. С. Разработка и исследование алгоритма поиска положения особых точек в системах технического зрения летательных аппаратов // Вестник Концерна ВКО «Алмаз-Антей». 2018. № 1.
8. Канищев Д. С. Автоматическая сегментация речи методами кластеризации и с применением метода Оцу. Киров : Вятский государственный университет, 2019.
9. Приставка П. А. Рыбаков М. С. Исследование алгоритмов бинаризации в задачах машинного распознавания оптических меток : магистер. дис. Новосибирск : СибГУТИ, 2019.
10. Доррер Г. А., Корюкин М. С. Семантическая сегментация изображений с применением сверточных нейронных сетей // Актуальные проблемы авиации и космонавтики. 2017. Т. 2, № 13. С. 141–143.
11. Соболь Б. В., Соловьев А. Н., Васильев П. В., Подколзина Л. А. Модель глубокой сверточной нейронной сети в задаче сегментации трещин на изображениях асфальта // Вестник Донского государственного технического университета. 2019. Т. 19, № 1. C. 63–73.
|