<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Класифікація множини 3D-точок на основі методів машинного навчання

Вантажиться...
Ескіз

Дата

Назва журналу

Номер ISSN

Назва тому

DOI

Анотація

У роботі розглянуто підходи до класифікації тривимірних точкових хмар із використанням алгоритмів машинного навчання. Описано особливості побудови моделей, що працюють з 3D-даними, а також проаналізовано переваги та недоліки методів KNN та Random Forest у задачах просторової класифікації.
The paper presents approaches to the classification of 3D point clouds using machine learning algorithms. It outlines the modeling challenges associated with spatial data and compares KNN and Random Forest methods in terms of their efficiency and accuracy.

Опис

УДК

Тип документа

Мова

ISSN

Бібліографічний опис

Гуменюк О. В. Класифікація множини 3D-точок на основі методів машинного навчання // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25027.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (4)

  1. Hackel T., Wegner J. D., Schindler K. "Fast Semantic Segmentation of 3D Point Clouds with Strongly Varying Density", ISPRS, 2016.
  2. Qi C. R. et al. "PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation", CVPR, 2017.
  3. GeeksForGeeks. Random Forest Algorithm. URL: https://www.geeksforgeeks.org/random-forestclassifier/
  4. GeeksForGeeks. K-Nearest Neighbors Algorithm. URL: https://www.geeksforgeeks.org/k-nearestneighbors/