• Класифікатори
• класифікація, классификация

класифікація зображень, классификация изображений

Підтеми:

• класифікація зображень очного дна

Документи:

• Implementation of a Convolutional Neural Network using TensorFlow machine learning platform [Текст] / Yu. Ya. Tomka, M. V. Talakh, V. V. Dvorzhak, O. G. Ushenko // Оптико-електронні інформаційно-енергетичні технології. – 2022. – № 2 (44). – P. 55-65. – DOI: https://doi.org/10.31649/1681-7893-2022-44-2-55-65.
• Implementation of a Convolutional Neural Network using TensorFlow machine learning platform [Електронний ресурс] / Yu. Ya. Tomka, M. V. Talakh, V. V. Dvorzhak, O. G. Ushenko // Оптико-електронні інформаційно-енергетичні технології. – 2022. – Т. 44, № 2. – P. 55-65. – DOI: https://doi.org/10.31649/1681-7893-2022-44-2-55-65.
• Practical aspects of forming training/test samples for convolutional neural networks [Текст] / Yu. Ya. Tomka, M. V. Talakh, V. V. Dvorzhak, O. G. Ushenko // Оптико-електронні інформаційно-енергетичні технології. – 2022. – № 1 (43). – P. 24-35. – DOI: https://doi.org/10.31649/1681-7893-2022-43-1-24-35.
• Practical aspects of forming training/test samples for convolutional neural networks [Електронний ресурс] / Yu. Ya. Tomka, M. V. Talakh, V. V. Dvorzhak, O. G. Ushenko // Оптико-електронні інформаційно-енергетичні технології. – 2022. – № 1. – P. 24-35. – DOI: https://doi.org/10.31649/1681-7893-2022-43-1-24-35.
• Альперт, С. І. Нові підходи до застосування різних методів знаходження базових мас при класифікуванні гіперспектральних космічних зображень [Текст] / С. І. Альперт // Математичні машини і системи. – 2020. – № 1. – С. 30-42.
• Альперт, С. І. Методи селекції інформативних зональних зображень при класифікації гіперспектральних супутникових зображень [Текст] / С. І. Альперт // Математичні машини і системи. – 2015. – № 2. – С. 40-48.
• Альперт, С. І. Новітній підхід до застосування нормалізованого диференційного вегетаційного індексу для класифікування аерокосмічних зображень за наявності неповних та неточних даних [Текст] / С. І. Альперт // Математичні машини і системи. – 2022. – № 2. – С. 19-28.
• Бодянський, Є. В. Адаптивно гібридна функція активації для глибоких нейронних мереж (на англ. мові) [Текст] / Є. В. Бодянський, С. О. Костюк // Системні дослідження та інформаційні технології. – 2022. – № 1. – С. 87-96. – DOI: 10.20535/SRIT.2308-8893.2022.1.07.
• Бялонович, А. В. Аналіз зображень спекл-структур поверхні матеріалу В процесі накопичення пошкоджень за циклічного навантаження із застосуванням нейронних мереж [Текст] / А. В. Бялонович, А. М. Майло, Г. Г. Писаренко // Проблеми міцності. – 2021. – № 6. – С. 87-92.
• Глотов, В. Моніторинг просторово-часових геодинамічних змін складу категорій земель на прикладі регіону міста Стебник за даними дистанційного зондування землі (англ. мова) [Текст] / В. Глотов, Я. Бяла // Geodynamics. – 2022. – № 1 (32). – С. 5-15. – DOI: https://doi.org/10.23939/jgd2022.02.005.
• Дяков, Д. Використання глибоких нейронних мереж для розпізнавання зображень [Текст] / Д. Дяков, О. Коваленко // Контроль і управління в складних системах (КУСС-2020) : XV Міжнародна конференція : тези доповідей, Вінниця, 8-10 жовтня 2020 року / ВНТУ, ХНУРЕ. – Вінниця : ВНТУ, 2020. – С. 234-235.
• Квєтний, Р. Н. Багатокритеріальна класифікація сегментів зображення [Текст] / Р. Н. Квєтний, А. В. Олесенко // Інформаційні технології та комп'ютерна інженерія. – 2017. – № 2 (39). – С. 82-86.
• Квєтний, Р. Н. Багатокритеріальна класифікація сегментів зображення [Електронний ресурс] / Р. Н. Квєтний, А. В. Олесенко // Інформаційні технології та комп'ютерна інженерія. – 2017. – № 2. – С. 82-86.
• Квєтний, Р. Н. Високошвидкісний метод класифікації зображень [Текст] / Р. Н. Квєтний, О. А. Ремінний // Оптико-електронні інформаційно-енергетичні технології. – 2009. – № 2. – С. 22-27.
• Квєтний, Р. Н. Методи фільтрації текстурованих зображень у задачах розпізнавання та класифікації [Текст] : монографія / Р. Н. Квєтний, О. Ю. Софина ; ВНТУ. – Вінниця : ВНТУ, 2011. – 116 с. – ISBN 978-966-641-401-7 : 18,72 грн.
• Кожем'яко, В. П. Математична модель обробки патологій очного дна [Текст] / В. П. Кожем'яко, Т. А. Мартьянова // Оптико-електронні інформаційно-енергетичні технології. – 2014. – № 2. – С. 81-89.
• Кожем'яко, В. П. Математична модель обробки патологій очного дна [Електронний ресурс] / В. П. Кожем'яко, Т. А. Мартьянова // Оптико-електронні інформаційно-енергетичні технології. – 2014. – № 2. – С. 81-89.
• Оцінка класифікації зображень для перенесення навчання у згорткових нейронних мережах [Електронний ресурс] / М. С. Мамута, І. В. Кравченко, О. Д. Мамута, С. Є. Тужанський // Оптико-електронні інформаційно-енергетичні технології. – 2023. – Т. 45, № 1. – С. 64-70. – DOI: https://doi.org/10.31649/1681-7893-2023-45-1-64-70.
• Оцінка класифікації зображень для перенесення навчання у згорткових нейронних мережах [Текст] / М. С. Мамута, І. В. Кравченко, О. Д. Мамута, С. Є. Тужанський // Оптико-електронні інформаційно-енергетичні технології. – 2023. – № 1 (45). – С. 64-70. – DOI: https://doi.org/10.31649/1681-7893-2023-45-1-64-70.
• Проблема автоматичної класифікації зображень за використання інтелектуальної системи прийняття рішень на основі графа знань і точного аналізу зображень (англ. мов.) [Текст] / А. А. Мартиненко, А. Д. Тевяшев, Н. Є. Кулішова, Б. І. Мороз // Системні дослідження та інформаційні технології. – 2022. – № 4. – С. 58-67. – DOI: 10.20535/SRIT.2308-8893.2022.4.05.
• Марчук, А. Розробка прогресивного вебдодатка для офлайн класифікації зображень [Текст] / А. Марчук, М. Барабан, В. Гармаш // Контроль і управління в складних системах (КУСС-2020) : XV Міжнародна конференція : тези доповідей, Вінниця, 8-10 жовтня 2020 року / ВНТУ, ХНУРЕ. – Вінниця : ВНТУ, 2020. – С. 72-74.
• Ремінний, О. А. Високошвидкісний метод для відстеження міток у сканованих документах [Текст] / О. А. Ремінний // Інформаційні технології та комп'ютерна інженерія. – 2010. – № 2. – С. 73-75.
• Разработка параллельной реализации метода сечений для классификации изображений лазерных пучков с последующим моделированием на программируемых логических интегральных схемах [Текст] / Л. И. Тимченко, Н. С. Петровский, Н. И. Кокряцкая, В. А. Губернаторов // Комп'ютерна графіка та розпізнавання зображень : збірник наукових праць міжнародної науково-технічної Інтернет-конференції / МОНМС України. – Вінниця : Вінницький обласний ін-т післядипломної освіти педагогічних працівників, 2012. – С. 188-198.
• Метод класифікації зображень плям лазерних пучків із застосуванням паралельно-ієрархічної мережі із підвищеною точністю [Електронний ресурс] / Л. І. Тимченко, М. С. Петровський, Н. І. Кокряцька, Н. П. Бабюк // Оптико-електронні інформаційно-енергетичні технології. – 2014. – № 1. – С. 5-17.
• Метод класифікації зображень плям лазерних пучків із застосуванням паралельно-ієрархічної мережі із підвищеною точністю [Текст] / Л. І. Тимченко, М. С. Петровський, Н. І. Кокряцька, Н. П. Бабюк // Оптико-електронні інформаційно-енергетичні технології. – 2014. – № 1. – С. 5-17.
• Сучасні підходи до розв’язання задач комп’ютерного зору [Текст] / Р. М. Тимчишин, О. Є. Волков, О. Ю. Господарчук, Ю. П. Богачук // Управляющие системы и машины. – 2018. – № 6. – С. 46-73.
• Яровий, А. А. Паралельно-ієрархічні мережі на основі формування нормуючого рівняння з контрольованим навчанням для класифікації зображень профілю лазерного променя [Електронний ресурс] / А. А. Яровий, Л. І. Тимченко, М. С. Матейчук // Інформаційні технології та комп'ютерна інженерія. – 2014. – № 3. – С. 78-86.
• Яровий, А. А. Паралельно-ієрархічні мережі на основі формування нормуючого рівняння з контрольованим навчанням для класифікації зображень профілю лазерного променя [Текст] / А. А. Яровий, Л. І. Тимченко, М. С. Матейчук // Інформаційні технології та комп'ютерна інженерія. – 2014. – № 3. – С. 78-86.