Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/337651| Заглавие документа: | Распознавание рентгеновских изображений объектов с использованием нейронных сетей структуры MLP |
| Другое заглавие: | Object recognition in X-ray images using MLP neural networks / I. N. Balukho, V. Y. Adamovich, M. N. Zhukava, Yu. I. Dudchik, N. N. Kolchevsky |
| Авторы: | Балухо, И. Н. Адамович, В. Ю. Жукова, М. Н. Дудчик, Ю. И. Кольчевский, Н. Н. |
| Тема: | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика |
| Дата публикации: | 2025 |
| Издатель: | Минск : БГУ |
| Библиографическое описание источника: | Квантовая электроника : материалы XV Междунар. науч.-техн. конф., Минск, 18–20 нояб. 2025 г. / Белорус. гос. ун-т ; редкол.: А. А. Афоненко (гл. ред.), М. М. Кугейко, А. В. Баркова. – Минск : БГУ, 2025. – С. 530-533. |
| Аннотация: | В работе рассмотрено распознавание рентгеновских изображений с использованием нейронных сетей структуры MPL. Исследована эффективность применения искусственных нейронных сетей для решения задачи классификации и распознавания объектов на синтетических рентгеновских изображениях, моделирующих условия низкого фотонного потока. Выполнено обучение сети на сформированной синтетической базе рентгеновских изображений, состоящей из 10 9 изображений для 10 классов объектов. Получена точность распознавания 81–84 %, и при числе активных пикселей свыше 200 точность превышает 90 %. Показана перспективность применения простых нейросетевых архитектур для задач онлайн-контроля в рентгенографии |
| Аннотация (на другом языке): | Considered recognition of X-ray images using MPL neural networks. Investigated the effectiveness of artificial neural networks for classification and recognition of objects in synthetic X-ray images simulating low photon flux conditions. The network was trained on a synthetic database of X-ray images consisting of 10 9 images for 10 classes of objects. Accuracy of recognition reached 81–84 %, and with more than 200 active pixels, accuracy exceeded 90%. Demonstrated that simple neural network architectures are promising for online control tasks in radiography |
| URI документа: | https://elib.bsu.by/handle/123456789/337651 |
| ISBN: | 978-985-881-861-6 |
| Финансовая поддержка: | Работа частично поддержана Министерством образования Республики Беларусь в рамках задания 3.12 ГПНИ "Механика, металлургия, диагностика в машиностроении", подпрограмма "Техническая диагностика". |
| Лицензия: | info:eu-repo/semantics/openAccess |
| Располагается в коллекциях: | 2025. Квантовая электроника |
Полный текст документа:
| Файл | Размер | Формат | |
|---|---|---|---|
| 530-533.pdf | 1,54 MB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.