Моделі та методи трансферного навчання для обробки зображень сцен на мобільних пристроях
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
Розглянуто задачу класифікації сцен на мобільних пристроях з використанням трансферного навчання. Запропоновано метод дистиляції знань з глибинних нейронних мереж у нечіткі ласифікатори, що дозволяє ефективно визначати візуальні зв'язки між об'єктами при низьких обчислювальних витратах.
The problem of scene classification on mobile devices using transfer learning is considered. A method of distilling knowledge from deep neural networks into fuzzy classifiers is proposed, which allows for effective determination of visible relationships between objects at low computational costs.
The problem of scene classification on mobile devices using transfer learning is considered. A method of distilling knowledge from deep neural networks into fuzzy classifiers is proposed, which allows for effective determination of visible relationships between objects at low computational costs.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
978-617-8132-48-8
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Прус Б. В., Ракитянська Г. Б. Моделі та методи трансферного навчання для обробки зображень сцен на мобільних пристроях // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI:
https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2025/paper/view/23682
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (19)
- Duda R.O., Hart P.E. (1973) Pattern Classification and Scene Analysis. John Wiley & Sons, Hoboken.
- H. Li, G. Zhu, L. Zhang, Y. Jiang, Y. Dang, H. Hou, P. Shen, X. Zhao, S. A. Ali Shah, M. Bennamoun, Scene Graph Generation: A comprehensive survey, Neurocomputing, Vol. 566, 2024, 127052, https://doi.org/10.1016/j.neucom.2023.127052.
- L. Xie, F. Lee, L. Liu, K. Kotani, Q. Chen. Scene recognition: A comprehensive survey, Pattern Recognition, Volume 102, 2020, 107205, https://doi.org/10.1016/j.patcog.2020.107205.
- X. Wang, Z. Zhu, Context understanding in computer vision: A survey. Computer Vision and Image Understanding, Volume 229, 2023, 103646, https://doi.org/10.1016/j.cviu.2023.103646.
- V. Kamath, A. Renuka, Deep learning-based object detection for resource constrained devices: Systematic review, future trends and challenges ahead, Neurocomputing, Vol. 531, 2023, P. 34-60, https://doi.org/10.1016/j.neucom.2023.02.006.
- Pedrycz W. Granular Computing: Analysis and Design of Intelligent Systems. CRC Press, Bosa Roca (2018) https://doi.org/10.1201/9781315216737
- Yao Y. Three-way decision and granular computing, International Journal of Approximate Reasoning, Vol. 103, 2018, P. 107-123, https://doi.org/10.1016/j.ijar.2018.09.005.
- Rotshtein A., Rakytyanska H. Fuzzy Evidence in Identification, Forecasting and Diagnosis, vol. 275. Studies in Fuzziness and Soft Computing. Springer, Heidelberg (2012). https://doi.org/10.1007/978-3-642-25786-5
- Angelov P., Gu X. Deep rule-based classifier with human-level performance and characteristics. Information Sciences. Vol. 463464, P. 196213 (2018). https://doi.org/10.1016/j.ins.018.06.048
- Rakytyanska H. (2023). Knowledge Distillation in Granular Fuzzy Models by Solving Fuzzy Relation Equations. In: Pedrycz, W., Chen, SM. (eds) Advancements in Knowledge Distillation: Towards New Horizons of Intelligent Systems. Studies in Computational Intelligence, vol 1100, pp. 95-133. Springer, Cham. https://doi.org/10.1007/978-3-031-32095-8_4