Добірка наукової літератури з теми "Розпізнавання з відео"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Зміст
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Розпізнавання з відео".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Розпізнавання з відео"
Ахаладзе, I., та O. Лісовиченко. "Підвищення ефективності обробки потокового відео за допомогою використання безсерверних технологій". Адаптивні системи автоматичного управління 2, № 39 (15 грудня 2021): 34–38. http://dx.doi.org/10.20535/1560-8956.39.2021.247393.
Повний текст джерелаMelnyk, O. S., та R. P. Bazylevych. "Система ідентифікації оригіналу відео за його фрагментом з використанням згорткових нейронних мереж". Scientific Bulletin of UNFU 31, № 3 (29 квітня 2021): 94–100. http://dx.doi.org/10.36930/40310315.
Повний текст джерелаPodoliukh, M. M., M. V. Dendiuk та S. I. Yatsyshyn. "Математичне та програмне забезпечення системи розпізнавання QR-коду візиток мобільними пристроями". Scientific Bulletin of UNFU 28, № 8 (25 жовтня 2018): 146–48. http://dx.doi.org/10.15421/40280829.
Повний текст джерелаДемчишин, Анатолій, та Іван Купріянов. "МЕТОД СИНТЕЗУ «ЖИВИХ» КАРТИН". System technologies 6, № 131 (1 березня 2021): 163–74. http://dx.doi.org/10.34185/1562-9945-6-131-2020-14.
Повний текст джерелаГолубєв, Л. П., І. Л. Ківа та О. В. Матяш. "Дослідження методів Computer Vision для використання в автоматизованих системах". Automation of technological and business processes 12, № 4 (30 грудня 2020): 30–35. http://dx.doi.org/10.15673/atbp.v12i4.1932.
Повний текст джерелаHlavcheva, D., та V. Yaloveha. "КАПСУЛЬНІ НЕЙРОННІ МЕРЕЖІ". Системи управління, навігації та зв’язку. Збірник наукових праць 5, № 51 (30 жовтня 2018): 132–35. http://dx.doi.org/10.26906/sunz.2018.5.132.
Повний текст джерелаНастенко, Є., В. Максименко, С. Поташев, В. Павлов, В. Бабенко, С. Рисін, О. Матвійчук та В. Лазоришинець. "ЗАСТОСУВАННЯ МЕТОДУ ГРУПОВОГО УРАХУВАННЯ АРГУМЕНТІВ ДЛЯ ПОБУДОВИ АЛГОРИТМІВ ДІАГНОСТИКИ ІШЕМІЧНОЇ ХВОРОБИ СЕРЦЯ". Біомедична інженерія і технологія, № 5 (12 травня 2021): 1–9. http://dx.doi.org/10.20535/2617-8974.2021.5.227141.
Повний текст джерелаСамсоненко, Анатолій, Володимир Мазанов та Сергій Лукашенко. "ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ РУХОМОГО ПУНКТУ ТЕХНІЧНОГО СПОСТЕРЕЖЕННЯ МЕХАНІЗОВАНИХ ПІДРОЗДІЛІВ НАЦІОНАЛЬНОЇ ГВАРДІЇ УКРАЇНИ ТА ЗБРОЙНИХ СИЛ УКРАЇНИ ШЛЯХОМ ЙОГО ПЕРЕОСНАЩЕННЯ". Збірник наукових праць Національної академії Державної прикордонної служби України. Серія: військові та технічні науки 79, № 1 (21 лютого 2020): 202–16. http://dx.doi.org/10.32453/3.v79i1.107.
Повний текст джерелаДисертації з теми "Розпізнавання з відео"
Петрик, Віталій Віталійович. "Розпізнавання поведінки лабораторних тварин у реальному часі". Master's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/41623.
Повний текст джерелаAutomated observation and analysis of animal behavior is an important part of research in neurology and pharmacology. Although deep learning models show high results in recognizing human actions, they are insufficiently studied in tasks of recognizing animal behavior due to the lack of dataset. In this work, we created our own dataset, consisting of 919 short clips, and investigated the modern model I3D and model R(2+1)D to solve the problem of recognizing mouse behavior. We achieved an accuracy of 96.3% and 95.8%, respectively. We also demonstrated the effect of two-stream fusion ratios on prediction perfomances. The results showed that the use of pre-trained models of deep learning can exceed the accuracy of models from previous studies.
Автоматизированное наблюдение и анализ поведения животных является важной частью исследований в области неврологии и фармакологии. Хотя модели глубокого обучения показывают высокие результаты в задачах распознавания действий человека, они недостаточно изучены при применении к задачам распознавания поведения животных из-за отсутствия необходимой выборки данных. В этой работе мы создали собственную выборку данных, состоящий из 919 коротких клипов, и исследовали современные модели I3D и модель R(2 +1)D для решения задачи распознавания поведения мыши. Мы достигли точности до 96.3% и 95.8% соответственно. Мы также продемонстрировали влияние коэффициентов слияния двух потоков моделей на точность прогнозов. Результаты показали, что использование предварительно натренированных моделей глубокого обучения может превзойти точность моделей из предыдущих исследований.
Петрунів, Орест Романович. "Система відеоспостереження розумного дому з інтелектуальним розпізнаванням загроз". Master's thesis, КПІ Ім. Ігоря Сiкорського, 2019. https://ela.kpi.ua/handle/123456789/31704.
Повний текст джерелаThe paper considers the problem in the field of automated threat recognition, shows the main features of existing solutions and applications, their advantages and disadvantages. When providing video surveillance for some areas, it is not enough to simply store the data received, it is necessary to actively recognize the situations that unfold in front of the cameras. A person is prone to mistakes, fatigue, loss of concentration, and when it comes to a distributed camera system, the task of recognition becomes impossible for a human. This is where intelligent systems capable of automatically detecting potential threats come to the rescue. The tasks for the system of intelligent detection of threats in the video series with the help of neural network technologies are determined, the networks for tackling major tasks of such system are selected, ways of their training explain. Architecture of neural networks are described and experiments on training and their work are conducted. The system provides automatic recognition of situations on the basis of video sequence in real time. Explanatory note size – 85 pages, contains 15 illustrations, 25 tables, 2 applications.