Vision par ordinateur basée sur la technologie de l'apprentissage automatique : monographie

La monographie est consacrée au développement de méthodes et d'outils de vision par ordinateur utilisant l'IA pour l'identification rapide d'objets en mouvement dans un flux de données vidéo basé sur des technologies d'apprentissage profond. Les méthodes classiques et non classiques d'intelligence artificielle, les réseaux neuronaux convolutifs, la vision par ordinateur et la reconnaissance d'images, ainsi que les théories des systèmes de contrôle basées sur des estimations et des critères de statistiques mathématiques sont pris en compte. La reconnaissance permet de déterminer le type d'objet reconnu et de calculer des estimations quantitatives de la précision. Une méthode d'application de modèles est mise en oeuvre. L'algorithme dispose d'informations sur l'aspect de l'objet recherché, l'arrière-plan qu'il peut avoir, les contours spécifiques de l'objet et leur position. L'emplacement possible de la détection de l'objet est immédiatement pris en compte. Cela permet d'obtenir une qualité de reconnaissance élevée et de bonnes performances. Lorsqu'une caméra vidéo filme plusieurs objets similaires, différents modèles sont satisfaits et la reconnaissance diminue. Les modèles de réseaux neuronaux artificiels sont utilisés pour estimer ou approximer des fonctions qui peuvent dépendre de nombreuses entrées et sont généralement inconnues.

Autorentext

Victoria Vysotska ist Professorin an der Abteilung für Informationssysteme und Netzwerke der Nationalen Polytechnischen Universität Lviv. Lyubomyr Chyrun ist außerordentlicher Professor am Fachbereich Angewandte Mathematik der Nationalen Iwan-Franko-Universität Lwiw. Oleksandr Lavrut ist Professor an der Fakultät für Taktik der Nationalen Armeeakademie Hetman Petro Sahaidachnyi.

Klappentext

La monographie est consacrée au développement de méthodes et d'outils de vision par ordinateur utilisant l'IA pour l'identification rapide d'objets en mouvement dans un flux de données vidéo basé sur des technologies d'apprentissage profond. Les méthodes classiques et non classiques d'intelligence artificielle, les réseaux neuronaux convolutifs, la vision par ordinateur et la reconnaissance d'images, ainsi que les théories des systèmes de contrôle basées sur des estimations et des critères de statistiques mathématiques sont pris en compte. La reconnaissance permet de déterminer le type d'objet reconnu et de calculer des estimations quantitatives de la précision. Une méthode d'application de modèles est mise en uvre. L'algorithme dispose d'informations sur l'aspect de l'objet recherché, l'arrière-plan qu'il peut avoir, les contours spécifiques de l'objet et leur position. L'emplacement possible de la détection de l'objet est immédiatement pris en compte. Cela permet d'obtenir une qualité de reconnaissance élevée et de bonnes performances. Lorsqu'une caméra vidéo filme plusieurs objets similaires, différents modèles sont satisfaits et la reconnaissance diminue. Les modèles de réseaux neuronaux artificiels sont utilisés pour estimer ou approximer des fonctions qui peuvent dépendre de nombreuses entrées et sont généralement inconnues.