Details
| Title | Методы обнаружения объектов на изображениях: учебное пособие |
|---|---|
| Creators | Бахшиев Александр Валерьевич ; Ананьевский Михаил Сергеевич ; Габриель Антон Сергеевич |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт машиностроения, материалов и транспорта. Высшая школа автоматизации и робототехники |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Collection | Учебная и учебно-методическая литература ; Общая коллекция |
| Subjects | Изображения ; Нейронные сети ; Распознавание образов |
| UDC | 621.397(075.8) ; 004.032.26(075.8) ; 004.93'1(075.8) |
| Document type | Tutorial |
| File type | |
| Language | Russian |
| Speciality code (FGOS) | 15.00.00 |
| Speciality group (FGOS) | 150000 - Машиностроение |
| DOI | 10.18720/SPBPU/2/id25-1 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\75685 |
| Record create date | 4/11/2025 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В пособии рассмотрены основные классы методов решения задачи обнаружения объектов на изображениях, а также алгоритмы, основанные на применении аппарата глубоких нейронных сетей. Адресовано студентам и аспирантам образовательных учреждений высшего образования, обучающимся по направлениям «Мехатроника и робототехника», «Автоматизация технологических процессов и производств». Может быть использовано при работе со студентами всех форм обучения – очной, заочной, очно-заочной.
The manual considers the main classes of methods to solving the problem of object detection in images, as well as algorithms based on the application of deep neural networks. It is intended for students and postgraduates of educational institutions of higher education, studying in the majors “Mechatronics and robotics”, “Automation of technological processes and production”. It can be used when working with students of all modes of study - full-time, extramural, part-time.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
- ОГЛАВЛЕНИЕ
- ВВЕДЕНИЕ
- 1. ПОСТАНОВКА ЗАДАЧИ ОБНАРУЖЕНИЯ ОБЪЕКТОВ
- 2. МЕТОДЫ ОБНАРУЖЕНИЯ ОБЪЕКТОВ В ТЕХНИЧЕСКОМ ЗРЕНИИ
- 2.1. Методы вычитания фона
- 2.2. Методы разности кадров
- 2.3. Метод оптического потока
- 2.4. Методы, основанные на модели
- 2.5. Методы, основанные на признаках
- 2.6. Методы, основанные на нейронных сетях
- 2.7. Метрики для оценки работы алгоритма обнаружения
- 3. НЕЙРОННЫЕ СЕТИ В ЗАДАЧАХ ОБНАРУЖЕНИЯ ОБЪЕКТОВ
- 3.1. Математическое описание элементов нейросетевых архитектур
- 3.2. Математическое описание процесса обучения
- 3.3. Современные нейронные сети для обнаружения объектов
- 3.4. Описание архитектур глубоких нейронных сетей для решения задачи обнаружения объектов на изображениях
- 4. ПРОГРАММНЫЕ ПАКЕТЫ ДЛЯ ОБУЧЕНИЯ И ИНФЕРЕНСА ГЛУБОКИХ НЕЙРОННЫХ СЕТЕЙ
- 4.1. Caffe
- 4.2. Torch
- 4.3. Theano
- 4.4. DeepLearnToolbox для MATLAB
- 4.5. TensorFlow
- 4.6. Keras
- 5. ПРАКТИЧЕСКИЕ ЗАДАЧИ ОБНАРУЖЕНИЯ ОБЪЕКТОВ
- 5.1. Обнаружение объектов дорожной обстановки
- 5.2. Обнаружение подвижных объектов в стационарных системах видеоаналитики
- 5.3. Обнаружение подводных объектов
- ЗАКЛЮЧЕНИЕ
- БИБЛИОГРАФИЧЕСКИЙ СПИСОК
Access count: 0
Last 30 days: 0
