Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/11646
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Костыряченко Кирилл Максимович | ru_RU |
dc.contributor.author | Шамсутдинова Лилия Рашидовна | ru_RU |
dc.contributor.author | Shamsutdinova Liliia | en_GB |
dc.contributor.editor | Должиков Василий Владимирович | ru_RU |
dc.contributor.editor | Dolzhikov Vasilii Vlаdimirovich | en_GB |
dc.date.accessioned | 2018-07-25T20:34:49Z | - |
dc.date.available | 2018-07-25T20:34:49Z | - |
dc.date.issued | 2017 | - |
dc.identifier.other | 016372 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/11646 | - |
dc.description.abstract | В данной работе была реализована система для автоматического распознавания стиля картин. Цель состояла в исследовании возможностей автоматического определения стиля. Для достижения поставленной задачи были реализованы алгоритмы по извлечению различных низкоуровневых (GIST, PHOG, SIFT, SSIM) и высокоуровневых (Classemes, PiCoDes) характеристик. Путем анализа векторов характеристик, были выделены наиболее значимые. Для распознавания стиля были применены алгоритмы классификации и построена нейронная сеть. Было предложено использовать сочетание характеристик разного уровня. Система была апробирована на более чем 70.000 картинах, принадлежащих 5 современным стилям живописи. В результате наибольшая точность определения стиля составила 72%, что превосходит наилучшую заявленную, на момент написания работы, точность равную 60%. | ru_RU |
dc.description.abstract | This thesis presents a system for automatic style detection of fine-art paintings. The goal was to investigate various approaches to detecting the style. In order to achieve this goal several algorithms were implemented for low-level feature extraction (GIST, PHOG, SIFT, SSIM) and high-level (Classemes, PiCoDes). The most valuable features were identified by analyzing characteristics. To recognize the style, classification algorithms were applied and a neural network was built. Was suggested to use a combination of characteristics of different levels. The system was tested on more than 70,000 paintings belonging to 5 modern styles. As a result, the maximum accuracy was 72%, which exceeds the state-of-the-art accuracy of 60%. | en_GB |
dc.language.iso | ru | - |
dc.subject | автоматическое распознавание стиля картин | ru_RU |
dc.subject | низкоуровневые характеристики | ru_RU |
dc.subject | алгоритмы извлечения характеристик изображения | ru_RU |
dc.subject | классификация | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | automatic style detection of fine-art paintings | en_GB |
dc.subject | low-level features | en_GB |
dc.subject | feature extraction algorithms | en_GB |
dc.subject | classification | en_GB |
dc.subject | neural networks | en_GB |
dc.title | Automatic style detection of fine-art paintings | en_GB |
dc.title.alternative | Автоматическое распознавание стилевой принадлежности картин | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Diplom_magistratura_22_05_2017.pdf | Article | 2,88 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_OTZYVSH.doc | ReviewSV | 40 kB | Microsoft Word | Просмотреть/Открыть |
reviewSV_REview.pdf | ReviewRev | 833,07 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Recenziya.pdf | ReviewRev | 1,4 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_stt01643_Kostyryachenko_Kirill_Maksimovich_(reviewer)(En).txt | ReviewRev | 2,34 kB | Text | Просмотреть/Открыть |
reviewSV_stt01643_Kostyryachenko_Kirill_Maksimovich_(reviewer)(Ru).txt | ReviewRev | 4,62 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.