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

Застосування алгоритму YOLO в системах підтримки прийняття рішень на основі використання нейронних мереж

dc.contributor.authorМарчук, А. Ю.uk
dc.contributor.authorMarchuk, A. Y.en
dc.titleЗастосування алгоритму YOLO в системах підтримки прийняття рішень на основі використання нейронних мережuk
dc.date.issued2024
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationМарчук 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.ispartofМатеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22075
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/56477
dc.description.abstractОстанніми 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.subjectалгоритмuk
dc.subjectнейронна мережаuk
dc.subjectаналізuk
dc.subjectметодuk
dc.subjectзображенняuk
dc.subjectмодельuk
dc.typeThesis
dc.language.isoukuk
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.accessioned2026-11-16T14:55:12Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Завантаження...
Ескіз
Назва:
22075.pdf
Розмір:
303,48 KB
Формат:
Adobe Portable Document Format