Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/13604
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Ронжин Александр Леонидович | ru_RU |
dc.contributor.author | Румянцев Валентин Федорович | ru_RU |
dc.contributor.author | Rumyantsev Valentin | en_GB |
dc.contributor.editor | Салищев Сергей Игоревич | ru_RU |
dc.contributor.editor | Salishchev Sergei Igorevich | en_GB |
dc.date.accessioned | 2018-07-26T15:26:25Z | - |
dc.date.available | 2018-07-26T15:26:25Z | - |
dc.date.issued | 2018 | |
dc.identifier.other | 040094 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/13604 | - |
dc.description.abstract | Машинное обучение в наше время переживает новое рождение и постепенно входит во все отрасли человеческой деятельности, начиная с рекомендации рекламы, заканчивая управлением автоматическими заводами. В данной работе были рассмотрены методы машинного обучения для задачи семантической сегментации изображений дорожной сцены, был проведён сравнительный анализ нескольких "state of art" алгоритмов, таких как Segnet, Unet, Enet и выявлены ключевые особенности, приводящие один алгоритм к успеху по сравнению с остальными. | ru_RU |
dc.description.abstract | Machine learning in our time is experiencing a new birth and is gradually entering to all branches of human activity from advertising recommendations to the management of automatic factories. In this work, we considered machine learning methods for the task of semantic segmentation of images of the road scene, a comparative analysis of several "state of art" algorithms, such as Segnet, Unet, Enet was done and key features which lead one algorithm to success in comparison with other were identified. | en_GB |
dc.language.iso | ru | |
dc.subject | семантическая сегментация | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | дорожные сцены | ru_RU |
dc.subject | semantic segmentation | en_GB |
dc.subject | machine learning | en_GB |
dc.subject | road scenes | en_GB |
dc.title | Application of machine learning methods for semantic classification of road conditions | en_GB |
dc.title.alternative | Использование методов машинного обучения для семантической классификации дорожной обстановки | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
diplom_v2_0.pdf | Article | 3,5 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_Rumyancev.pdf | ReviewSV | 210,98 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_review_rumyancev_eng_signed.pdf | ReviewRev | 1,16 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_review_rumyancev_eng_signed_v2.pdf | ReviewRev | 491,08 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_review_rumyancev_signed.pdf | ReviewRev | 1,42 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_stt08040_Ronzhin_Aleksandr_Leonidovich_(reviewer)(En).txt | ReviewRev | 2,22 kB | Text | Просмотреть/Открыть |
reviewSV_stt08040_Ronzhin_Aleksandr_Leonidovich_(reviewer)(Ru).txt | ReviewRev | 4,93 kB | Text | Просмотреть/Открыть |
reviewSV_st007086_Salishhev_Sergej_Igorevich_(supervisor)(En).txt | ReviewSV | 1,8 kB | Text | Просмотреть/Открыть |
reviewSV_st007086_Salishhev_Sergej_Igorevich_(supervisor)(Ru).txt | ReviewSV | 3,12 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.