Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341187Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Kozlov, A. A. | |
| dc.contributor.author | Ablameyko, S. V. | |
| dc.date.accessioned | 2026-02-05T11:05:08Z | - |
| dc.date.available | 2026-02-05T11:05:08Z | - |
| 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. 374-379. | |
| 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/123456789/341187 | - |
| dc.description | Раздел IV. Геоинформатика и дистанционное зондирование земли | |
| dc.description.abstract | In this paper we consider the algorithm of semantic segmentation that consists of training a convolutional neural network and post-processing of segmented images that model produce. Goal of the segmentation is to highlight certain technical object on provided high-quality frames. The model we train is modified version of popular network – U-Net, and we apply morphological operations as an approach to post processing of segmentation results | |
| dc.language.iso | en | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.title | Semantic segmentation of high-quality video frames of technical objects obtained by UAV | |
| dc.title.alternative | Семантическая сегментация высококачественных видеокадров технических объектов, полученных с БПЛА / А. А. Козлов, С. В. Абламейко | |
| dc.type | conference paper | |
| dc.description.alternative | В данной работе рассматривается алгоритм семантической сегментации, состоящий из обучения сверточной нейронной сети и постобработки сегментированных изображений, полученных с помощью модели. Цель сегментации — выделить определенный технический объект на предоставленных высококачественных кадрах. В качестве обучаемой модели используется модифицированная версия популярной сети U-Net, а для постобработки результатов сегментации применяются морфологические операции | |
| Располагается в коллекциях: | 2025. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 374-379.pdf | 814,88 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.