Застосування алгоритму YOLO в системах підтримки прийняття рішень на основі використання нейронних мереж
| dc.contributor.author | Марчук, А. Ю. | uk |
| dc.contributor.author | Marchuk, A. Y. | en |
| dc.title | Застосування алгоритму YOLO в системах підтримки прийняття рішень на основі використання нейронних мереж | uk |
| dc.date.issued | 2024 | |
| dc.publisher | Вінницький національний технічний університет | uk |
| dc.identifier.citation | Марчук А. Ю. Застосування алгоритму YOLO в системах підтримки прийняття рішень на основі використання нейронних мереж // Матеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22075. | uk |
| dc.relation.ispartof | Матеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22075 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/56477 | |
| dc.description.abstract | Останніми роками комп'ютерні технології, зокрема технології комп'ютерного зору, відіграють усе важливішу роль у медичній діагностиці, включаючи отоскопію — процес візуалізації зовнішнього слухового ходу та барабанної перетинки для виявлення патологій вуха. Однак отоскопічні зображення мають низку особливостей, які ускладнюють автоматичну класифікацію, зокрема варіації в освітленні, орієнтації та наявність артефактів. Ці фактори вимагають розробки надійних моделей глибокого навчання для точної класифікації захворювань. У цій роботі розглянуто сучасні підходи до вирішення цієї проблеми. Розглянуто використання можливостей згорткових нейронних мереж (CNN) для виявлення об’єктів у медичних зображеннях, зокрема фотографій і відео, отриманих за допомогою отоскопічних досліджень, з метою полегшення діагностичних процедур. | uk |
| dc.subject | алгоритм | uk |
| dc.subject | нейронна мережа | uk |
| dc.subject | аналіз | uk |
| dc.subject | метод | uk |
| dc.subject | зображення | uk |
| dc.subject | модель | uk |
| dc.type | Thesis | |
| dc.language.iso | uk | uk |
| dc.relation.references | [1] Rao D., Singh R., Kamath S., Pendekanti S., Pai D., Kolekar S., Holla R., Pathan S. OTONet: Deep Neural Network for Precise Otoscopy Image Classification. P. 1-1. 2024. DOI:10.1109/ACCESS.2024.3351668. [2] Ragab M., Jadid Abdulkadir S., Muneer A., Alqushaibi A., Sumiea E., Qureshi R., Al-Selwi S., Alhussian H. A Comprehensive Systematic Review of YOLO for Medical Object Detection. 2024. P. 1-1. DOI:10.1109/ACCESS.2024.3386826. [3] Binol H., Niazi M., Elmaraghy C. OtoXNet-automated identification of eardrum diseases from otoscope videos: a deep learning study for video-representing images. Neural Comput & Applic. 2022 №34. DOI:10.1007/s00521- 022-07107-6 [4] Quan H., Lai H., Gao G., Ma J., Li J., Chen Dongji. Pairwise CNN-Transformer Features for Human–Object Interaction Detection. Entropy. 2024. №26. 205 p. DOI:10.3390/e26030205. [5] Wang J., Kang S.,Wang J., Zhang X., Ma Zh. Mirror R-CNN: Object Detection with Flipped Image. 2024. P.154-166. DOI:10.1007/978-981-97-0855-0_16. | en |
| dc.date.accessioned | 2026-11-16T14:55:12Z |
Файли
Контейнер файлів
1 - 1 з 1
Завантаження...
- Назва:
- 22075.pdf
- Розмір:
- 303,48 KB
- Формат:
- Adobe Portable Document Format