Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341185Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Каркоцкий, А. Г. | |
| dc.date.accessioned | 2026-02-05T11:05:07Z | - |
| dc.date.available | 2026-02-05T11:05:07Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 2 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 360-366. | |
| dc.identifier.isbn | 978-985-881-851-7 | |
| dc.identifier.isbn | 978-985-881-853-1 (ч. 2) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/341185 | - |
| dc.description | Раздел IV. Геоинформатика и дистанционное зондирование земли | |
| dc.description.abstract | В работе рассматривается комбинация нескольких методов компьютерного зрения и машинного обучения для обнаружения, отслеживания и предсказания траектории движения объектов в видеопотоке. Для этого используются сверточная нейронная сеть YOLOv8 для обнаружения объектов, рекуррентная нейронная сеть LSTM для прогнозирования траектории на основе последовательности координат и CLAHE с Gamma-коррекцией для улучшения качества изображения перед передачей в YOLOv8 | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.title | Обнаружение и предсказание траектории движения объектов | |
| dc.title.alternative | Detection and trajectory prediction of objects / A. G. Karkotskiy | |
| dc.type | conference paper | |
| dc.description.alternative | The study explores a combination of several computer vision and machine learning methods for detecting, tracking, and predicting object trajectories in a video stream. For this purpose, the YOLOv8 convolutional neural network is used for object detection, an LSTM recurrent neural network is employed for trajectory prediction based on a sequence of coordinates and CLAHE with Gamma correction is applied to enhance image quality before processing by YOLOv8 | |
| Располагается в коллекциях: | 2025. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 360-366.pdf | 792,79 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.