ISSN 1991-2927
 

АПУ № 1 (55) 2019

Автор: "Канин Даниил Павлович"

УДК 004.852

Михеев Александр Вячеславович, Ульяновский областной центр новых информационных технологий при УлГТУ, окончил Ульяновский государственный технический университет. Программист Ульяновского областного центра новых информационных технологий при УлГТУ. Область научных интересов - машинное обучение. [e-mail: a.miheev@simcase.ru]А.В. Михеев,

Святов Кирилл Валерьевич, Ульяновский государственный технический университет, кандидат технических наук, окончил УлГТУ. Декан факультета информационных систем и технологий УлГТУ. Имеет 40 статей, 3 монографии, учебное пособие, 4 свидетельства о регистрации программы для ЭВМ. Область научных интересов - машинное обучение и робототехника. [e-mail: k.svyatov@ulstu.ru]К.В. Святов,

Канин Даниил Павлович, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ, кафедра «Вычислительная техника». Победитель соревнований по робототехнике. Область научных интересов - машинное обучение. [e-mail: dan-kan@mail.ru]Д.П. Канин,

Сухов Сергей Владимирович, Ульяновский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, кандидат физико-математических наук, окончил филиал Московского государственного университета им. М.В. Ломоносова в г. Ульяновске. Старший научный сотрудник Ульяновского филиала Института радиотехники и электроники им. В.А. Котельникова РАН. Имеет монографию, 70 статей, 2 патента на изобретения. Область научных интересов: оптика, вычислительная нейробиология, машинное обучение. [e-mail: ssukhov@knights.ucf.edu]С.В. Сухов,

Тронин Вадим Георгиевич, Ульяновский государственный технический университет, кандидат технических наук, окончил УлГТУ. Доцент кафедры «Информационные системы» УлГТУ. Имеет более 50 публикаций, учебное пособие. Область научных интересов: управление проектами, наукометрия, теория решения изобретательских задач. [e-mail: v.tronin@ulstu.ru]В.Г. Тронин

Сегментация сцен в задачах навигации автономного автомобиля с использованием нейросетевых моделей с вниманием55_5.pdf

В статье рассматривается процесс проектирования программного модуля для распознавания дорожных знаков. Данный модуль предназначен для использования в автоматизированной системе управления беспилотным автомобилем и разрабатывается в Ульяновском государственном техническом университете.Одной из главных задач, решаемых при создании систем технического зрения, в том числе для беспилотного транспорта, является создание размеченной выборки, достаточной для обучения нейросетевых моделей. При этом в задаче семантической сегментации сцены подготовка большой выборки может потребовать значительных трудозатрат на «ручную» разметку. В статье рассмотрена модель сверточной сети с мягким механизмом внимания. Данная сеть обучена задаче классификации с возможностью извлечения из внутреннего состояния маски внимания, которую можно использовать для семантической сегментации изображения. Подобный подход позволяет существенно снизить затраты на разметку данных.

Искусственный интеллект, нейронные сети, машинное обучение, компьютерное зрение, сети с вниманием.

2019_ 1

Рубрика: Информационные системы

Тематика: Информационные системы.



УДК 004.852

Михеев Александр Вячеславович, Ульяновский государственный технический университет, окончил Ульяновский государственный технический университет. Программист Ульяновского областного центра новых информационных технологий при УлГТУ. Область научных интересов - машинное обучение. [e-mail: a.miheev@simcase.ru]А.В. Михеев,

Святов Кирилл Валерьевич, Ульяновский государственный технический университет, кандидат технических наук, окончил УлГТУ. Декан факультета информационных систем и технологий УлГТУ. Опубликовано 40 статей, 3 монографии, 1 учебное пособие, получено 4 свидетельства о регистрации программы для ЭВМ. Область научных интересов - машинное обучение и робототехника. [e-mail: k.svyatov@ulstu.ru]К.В. Святов,

Сухов Сергей Владимирович, Ульяновский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, кандидат физико-математических наук, окончил филиал Московского государственного университета им. М.В. Ломоносова в г. Ульяновске. Старший научный сотрудник Ульяновского филиала Института радиотехники и электроники им. В.А. Котельникова РАН. Опубликованы 1 монография, 70 статей, получено 2 патента на изобретения. Область научных интересов - оптика, вычислительная нейробиология, машинное обучение. [e-mail: ssukhov@knights.ucf.edu]С.В. Сухов,

Канин Даниил Павлович, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ, победитель соревнований по робототехнике. Область научных интересов - машинное обучение. [e-mail: dan-kan@mail.ru]Д.П. Канин,

Акимов Яков Андреевич, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ, победитель соревнований по робототехнике. Область научных интересов - машинное обучение. [e-mail: yasha.akimov.73@gmail.com]Я.А. Акимов,

Волков Павел Михайлович, Ульяновский государственный технический университет, студент факультета информационных систем и технологий УлГТУ, победитель соревнований по робототехнике. Область научных интересов - машинное обучение. [e-mail: p.vollkkoff@yandex.ru]П.М. Волков

Изменение освещения сцен при помощи каскада нейронных сетей54_7.pdf

В статье рассматривается процесс моделирования искусственного освещения поверхностей с учетом теней на выпуклых и вогнутых поверхностях с использованием методов машинного обучения и методов работы с трехмерными объектами.Несмотря на многообразие приложений для обработки фотографий (LightRoom, Photoshop, Snapchat, Instagram и многие другие), есть проблема, связанная с корректным моделированием освещения на поверхностях, обусловленная свойствами самого формата данных фотографии. Во-первых, фотография двумерная и содержит лишь косвенную информацию о трехмерных объектах, изображенных на ней. Во-вторых, фотография фиксирует определенное состояние объектов с определенным набором свойств, которых недостаточно для моделирования теней и освещения в других состояниях. Недостающую информацию трудно воссоздать классическими алгоритмами или эвристиками из-за большого количества параметров объектов для распознавания на фотографии и их возможных комбинаций. Однако методы машинного обучения способны аппроксимировать очень сложные функциональные связи на основе обучающих выборок. В данной статье описывается решение задачи моделирования искусственного освещения и теней на фотографии с использованием нескольких нейронных сетей, обученных на синтетических данных.

Искусственный интеллект, нейронные сети, машинное обучение, компьютерное зрение.

2018_ 4

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


© ФНПЦ АО "НПО "Марс", 2009-2018 Работает на Joomla!