ISSN 1991-2927
 

АПУ № 4 (54) 2018

Автор: "Воронов Сергей Васильевич"

УДК 004.932.2

Воронов Сергей Васильевич, Ульяновский государственный университет, кандидат технических наук, окончил радиотехнический факультет Ульяновского государственного технического университета, доцент кафедры «Радиотехника» УлГТУ. Имеет статьи и монографии в областях обработки и анализа сигналов, изображений и их последовательностей, а также компьютерного зрения. [e-mail: valmedia@yandex.ru]С.В. Воронов,

Мухометзянов Ринат Наилевич, университет Ватерлоо, Канада, аспирант университета Ватерлоо, Канада, окончил радиотехнический факультет УлГТУ. Имеет статьи в области компьютерного зрения. [e-mail: mukhometzyanov@mail.ru]Р.Н. Мухометзянов,

Воронов Илья Васильевич, Ульяновский государственный университет, окончил радиотехнический факультет УлГТУ, аспирант того же университета. Имеет статьи в области обработки и рекуррентного оценивания параметров цифровых изображений и их последовательностей. [e-mail: ilvo1987@gmail.com]И.В. Воронов,

Шрамов Вадим Андреевич, ФНПЦ АО «НПО «Марс», окончил радиотехнический факультет УлГТУ, аспирант того же университета. Инженер-исследователь ФНПЦ АО «НПО «Марс». [e-mail: vadim_shramov@mail.ru]В.А. Шрамов

Обнаружение и распознавание дорожных знаков в реальном времени на мобильных устройствах52_13.pdf

Системы автоматического распознавания дорожных знаков выполняют локализацию дорожных знаков и их распознавание на изображениях, поступающих с бортовых камер автотранспортных средств. Подобные системы направлены на помощь водителям во время движения, а также являются неотъемлемой частью систем автоматического управления или продвинутой поддержки. Статья посвящена детектированию и распознаванию дорожных знаков на основе применения технологий глубокого обучения, адаптированных для мобильных систем с малым энергопотреблением. Предложен подход к распознаванию знаков, состоящий из двух последовательных этапов: детектирование дорожного знака и распознавание класса обнаруженного знака. Данные для анализа были взяты из трех открытых наборов изображений. С целью анализа эффективности полученного решения достигнутые результаты сравнивались с результатами известных подходов к решению задачи детектирования объектов, основанных на применении глубоких сверточных нейронных сетей. Проведенное исследование показало, что предложенный подход для всех использованных наборов данных дал как лучшее качество распознавания, так и максимальное быстродействие.

Глубокое обучение, алгоритм виолы-джонса, сверточные нейронные сети, распознавание дорожных знаков, обнаружение объектов.

2018_ 2

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 004.932.2

Воронов Сергей Васильевич, Ульяновский государственный технический университет, кандидат технических наук, окончил радиотехнический факультет Ульяновского государственного технического университета, доцент кафедры «Радиотехника» УлГТУ. Имеет статьи и монографии в областях обработки и анализа сигналов, изображений и их последовательностей, а также в области компьютерного зрения. [e-mail: valmedia@yandex.ru]С.В. Воронов,

Воронов Илья Васильевич, Ульяновский государственный технический университет , окончил радиотехнический факультет УлГТУ, аспирант УлГТУ. Имеет статьи в области обработки и рекуррентного оценивания параметров цифровых изображений и их последовательностей. [e-mail: ilvo1987@gmail.com]И.В. Воронов,

Шрамов Вадим Андреевич, ФНПЦ АО «НПО «Марс», окончил радиотехнический факультет УлГТУ, аспирант УлГТУ. Инженер-исследователь ФНПЦ АО «НПО «Марс». [e-mail: vadim_shramov@mail.ru]В.А. Шрамов

Обнаружение объектов на изображениях с применением гистограмм ориентаций градиентов000_9.pdf

Автоматизированное обнаружение объектов различных классов на изображениях и кадрах видеопоследовательностей является одной из основных задач компьютерного зрения. Наиболее широко используемый на сегодняшний день подход к решению данной задачи заключается в извлечении из локальных областей изображений объектов некоторых признаков и дальнейшем обучении на основе полученных векторов признаков алгоритмов классификации. При этом наибольший интерес с точки зрения соотношения эффективности и требуемых вычислительных ресурсов представляют признаки, получаемые на основе гистограмм ориентаций градиентов. Данная работа посвящена модификации способа извлечения локальных признаков на основе гистограмм ориентаций градиентов, которая заключается в извлечении признаков вдоль граней, что позволяет учитывать их пространственное расположение. Также для увеличения дискриминационных свойств векторов признаков предложено дополнительно использовать информацию о структуре, которая основана на использовании «центра тяжести» локальных областей. Полученные экспериментальные результаты позволяют говорить о том, что предложенные изменения по сравнению с традиционным способом извлечения признаков позволяют повысить как точность обнаружения объектов разных классов, так и скорость сходимости алгоритмов классификации.

Обнаружение объекта, гистограмма ориентаций градиентов, локальные признаки, вектор признаков, классификация.

2017_ 2

Рубрика: Информационные системы

Тематика: Информационные системы.


УДК 004.932.4

Ташлинский Александр Григорьевич, Ульяновский государственный технический университет, доктор технических наук, профессор, окончил радиотехнический факультет Ульяновского политехнического института. Заведующий кафедрой «Радиотехника» Ульяновского государственного технического университета. Имеет статьи, монографии, изобретения в области цифровой обработки сигналов и изображений. [e-mail: tag@ulstu.ru]А.Г. Ташлинский,

Воронов Сергей Васильевич, Ульяновский государственный технический университет, окончил радиотехнический факультет УлГТУ, аспирант того же университета. Имеет статьи в области оценивания параметров межкадровых геометрических деформаций изображений. [e-mail: valmedia@yandex.ru]С.В. Воронов

Использование взаимной информации как целевой функции качества оценивания параметров изображений37_5.pdf

Рассмотрено использование взаимной информации как меры качества рекуррентного оценивания параметров изображений. Предложен новый способ оценки энтропии изображений, основанный на процедуре скользящего контроля и направленный на уменьшение вычислительных затрат. Проанализированы возможности минимизации погрешности псевдоградиента взаимной информации при оценке плотности распределения вероятностей яркостей изображений с использованием метода окна Парзена.

Цифровое изображение, целевая функция, взаимная информация, энтропия изображений, скользящий контроль, оптимизация, псевдоградиент.

2014_ 3

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Архитектура корабельных систем , Информационные системы.


УДК 004.932.2


Ташлинский Александр Григорьевич, Ульяновский государственный технический университет, доктор технических наук, профессор, окончил радиотехнический факультет Ульяновского политехнического института. Заведующий кафедрой «Радиотехника» Ульяновского государственного технического университета. Имеет статьи, монографии, изобретения в области цифровой обработки сигналов и изображений. [e-mail: tag@ulstu.ru]А.Г. Ташлинский,

Воронов Сергей Васильевич, Ульяновский государственный технический университет, окончил радиотехнический факультет УлГТУ, аспирант того же университета. Имеет статьи в области оценивания параметров межкадровых геометрических деформаций изображений. [e-mail: valmedia@yandex.ru]С.В. Воронов,

Воронов Илья Васильевич, Ульяновский государственный технический университет, окончил радиотехнический факультет УлГТУ, аспирант того же университета. Имеет статьи в области рекуррентного оценивания параметров цифровых изображений. [e-mail: ilvo1987@gmail.com]И.В. Воронов

Анализ целевых функций в задаче оценивания взаимных геометрических деформаций изображений34_5.pdf

Для задачи безыдентификационного псевдоградиентного оценивания взаимных геометрических деформаций изображений исследована сходимость оценок параметров деформаций при применении в качестве целевой функции среднего квадрата межкадровой разности, коэффициента межкадровой корреляции и взаимной информации.

Оценивание деформаций изображений, целевая функция, межкадровый коэффициент корреляции, средний квадрат межкадровой разности, взаимная информация.

2013_ 4

Рубрика: Математическое моделирование, численные методы и комплексы программ

Тематика: Математическое моделирование, Информационные системы.


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