Аналіз ефективності моделей глибинного навчання для автоматизованого детектування об'єктів на інфрачервоних зображеннях

Скорочена інформація про документ
dc.contributor.authorСкладчиков, Іван Олександрович
dc.contributor.authorМомот, Андрій Сергійович
dc.date.accessioned2022-04-09T12:51:51Z
dc.date.available2022-04-09T12:51:51Z
dc.date.issued2021
dc.description.abstractukВ даній роботі розглянуто існуючі методи глибинного навчання для автоматизованого виявлення об’єктів на інфрачервоних зображеннях. Проаналізовано актуальність застосування даних моделей на сьогоднішній день та пріоритетність точності розпізнавання об’єктів над швидкістю. Розглянуто мережі R-CNN, YOLO та EfficientDet. Проаналізовано ефективність даних моделей та зроблено висновки щодо можливості їх використання в системах термографічного контролю безпеки.uk
dc.format.pagerangeС. 281-284uk
dc.identifier.citationСкладчиков, І. О. Аналіз ефективності моделей глибинного навчання для автоматизованого детектування об'єктів на інфрачервоних зображеннях / І. О. Складчиков, А. С. Момот // Збірник праць XVII Всеукраїнської науково-практичної конференції студентів, аспірантів та молодих вчених «Ефективність та автоматизація інженерних рішень у приладобудуванні», 07-08 грудня 2021 р. – Київ : ПБФ, КПІ ім. Ігоря Сікорського. – 2021. – С. 281-284.uk
dc.identifier.orcidhttps://orcid.org/0000-0001-9092-6699uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/46830
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceЗбірник праць XVII Всеукраїнської науково-практичної конференції студентів, аспірантів та молодих вчених «Ефективність та автоматизація інженерних рішень у приладобудуванні», 07-08 грудня 2021 р.uk
dc.subjectглибинне навчанняuk
dc.subjectдетектування об'єктівuk
dc.subjectінфрачервоні зображенняuk
dc.subjectтермограмиuk
dc.subject.udc004.89uk
dc.titleАналіз ефективності моделей глибинного навчання для автоматизованого детектування об'єктів на інфрачервоних зображенняхuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
ЕAIRP 2021_P.281-284.pdf
Розмір:
717.17 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Матеріали конференцій, семінарів і т.п. (АСНК)