Show simple item record

Розпізнавання об'єктів із використанням нейронних мереж

dc.contributor.authorФурман, М. А.uk
dc.contributor.authorКрупельницький, Л. В.uk
dc.contributor.authorFurman, M.en
dc.contributor.authorKrupelnitskyi, L.en
dc.date.accessioned2025-07-24T10:58:24Z
dc.date.available2025-07-24T10:58:24Z
dc.date.issued2024
dc.identifier.citationФурман М. А., Крупельницький Л. В. Розпізнавання об'єктів із використанням нейронних мереж // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21246.uk
dc.identifier.isbn978-617-8163-14-3
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/47009
dc.description.abstractДана наукова стаття розглядає використання різних архітектур нейронних мереж, таких як Convolutional Neural Networks (CNNs), Region-based CNNs (R-CNNs) та Single Shot Multibox Detector (SSD) для задачі розпізнавання об'єктів у просторі. Запропоновані методи вивчаються та порівнюються з точки зору точності, ефективності та придатності для різних застосувань.uk
dc.description.abstractThis scientific article considers the use of different neural network architectures, such as Convolutional Neural Networks (CNNs), Region-based CNNs (R-CNNs)and Single Shot Multibox Detector (SSD) for the task of object recognition. objects in space. The proposed methods are studied and compared in terms of accuracy, efficiency and suitability for different applications.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21246
dc.subjectнейронні мережіuk
dc.subjectрозпізнавання об'єктівuk
dc.subjectкомп'ютерний зірuk
dc.subjectCNNsuk, en
dc.subjectR-CNNsuk, en
dc.subjectSSDuk, en
dc.subjectneural networksen
dc.subjectobject recognitionen
dc.subjectcomputer visionen
dc.titleРозпізнавання об'єктів із використанням нейронних мережuk
dc.typeThesis
dc.identifier.udc004.9
dc.relation.referencesProf. Sujata Bhairnallykar1, A. P. (2020). Convolutional Neural Network (CNN) for Image Detection. International Research Journal of Engineering and Technology (IRJET), 1239-1243.en
dc.relation.referencesBaohua Qiang 1, R. C. (2020). Convolutional Neural Networks-Based Object. Sensor, 2-14en
dc.relation.referencesSzegedy, C. (June 2015). Computer Vision and Pattern Recognition. IEEE Computer Society Conference, 27-30.en
dc.relation.referencesRen, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. In Advances in neural information processing systems (pp. 91- 99). doi: 10.1109/TPAMI.2015.2437388en
dc.relation.referencesS. Ren, K. He, R. Girshick, and J. Sun, Faster R-CNN: Towards real-time object detection with region proposal networks. In Advances in Neural Information Processing Systems, pp. 91-99, 2015.en
dc.relation.referencesRen, Shaoqing, et al. ”Faster r-cnn: Towards real-timeobject detection with region proposal networks.” Advances inneural information processing systems 28 (2015).en
dc.relation.referencesShi,Wei et al. Single-shot detector with enriched semantics for PCB tiny defect detection. The Journal of Engineering(2020), 2020 (13):366en
dc.relation.referencesWeilin Cong, Rana Forsati, Mahmut Kandemir, and Mehrdad Mahdavi. 2020.Minimal Variance Sampling with Provable Guarantees for Fast Training of GraphNeural Networks. 1393–1403.en
dc.relation.referencesGeorge Karypis and Vipin Kumar. 1998. A fast and high quality multilevel schemefor partitioning irregular graphs. SIAM Journal on Scientic Computing 20 (1998),359–392.en


Files in this item

Thumbnail
Name:
21246.pdf
Size:
398.5Kb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record