УЛУЧШЕНИЕ ИЗОБРАЖЕНИЙ АСФАЛЬТОБЕТОННЫХ ПОКРЫТИЙ НА ОСНОВЕ МЕТОДОВ СЕГМЕНТАЦИИ

Standard

УЛУЧШЕНИЕ ИЗОБРАЖЕНИЙ АСФАЛЬТОБЕТОННЫХ ПОКРЫТИЙ НА ОСНОВЕ МЕТОДОВ СЕГМЕНТАЦИИ. / Журавлев, Александр Александрович.
In: Инженерный вестник Дона, No. 7 (103), 2023, p. 393-403.

Research output: Contribution to journal › Article › peer-review

BibTeX

@article{c9c94ab425e348ada7b1b25e12eaf487,

title = "УЛУЧШЕНИЕ ИЗОБРАЖЕНИЙ АСФАЛЬТОБЕТОННЫХ ПОКРЫТИЙ НА ОСНОВЕ МЕТОДОВ СЕГМЕНТАЦИИ",

abstract = "Для оценки качества дорожного покрытия существует множество систем, работающих на основе конкретных алгоритмов, среди которых методы сегментации изображения. Временная сложность и точность классификации - два ключевых показателя при оценке эффективности конкретного алгоритма. В данной статье в качестве анализируемых методов сегментации изображений используются: Кластеризация k-средних, Линейная кластеризация, Адаптивные пороговые значения, Глобальные пороговые значения. На основе способов, описанных в разделе «Методология экспериментов», наилучшие показатели точности классификации и временной сложности имеет метод «Глобальные пороговые значения» (38,2% - точность классификации; временная сложность - линейная (такой же тип сложности имеют и другие методы, однако, у данного алгоритма гораздо меньшие абсолютные временные показатели).",

author = "Журавлев, {Александр Александрович}",

year = "2023",

language = "Русский",

pages = "393--403",

journal = "Инженерный вестник Дона",

issn = "2073-8633",

publisher = "Северо-Кавказский научный центр Южный федеральный университет",

number = "7 (103)",

}

RIS

TY - JOUR

T1 - УЛУЧШЕНИЕ ИЗОБРАЖЕНИЙ АСФАЛЬТОБЕТОННЫХ ПОКРЫТИЙ НА ОСНОВЕ МЕТОДОВ СЕГМЕНТАЦИИ

AU - Журавлев, Александр Александрович

PY - 2023

Y1 - 2023

N2 - Для оценки качества дорожного покрытия существует множество систем, работающих на основе конкретных алгоритмов, среди которых методы сегментации изображения. Временная сложность и точность классификации - два ключевых показателя при оценке эффективности конкретного алгоритма. В данной статье в качестве анализируемых методов сегментации изображений используются: Кластеризация k-средних, Линейная кластеризация, Адаптивные пороговые значения, Глобальные пороговые значения. На основе способов, описанных в разделе «Методология экспериментов», наилучшие показатели точности классификации и временной сложности имеет метод «Глобальные пороговые значения» (38,2% - точность классификации; временная сложность - линейная (такой же тип сложности имеют и другие методы, однако, у данного алгоритма гораздо меньшие абсолютные временные показатели).

AB - Для оценки качества дорожного покрытия существует множество систем, работающих на основе конкретных алгоритмов, среди которых методы сегментации изображения. Временная сложность и точность классификации - два ключевых показателя при оценке эффективности конкретного алгоритма. В данной статье в качестве анализируемых методов сегментации изображений используются: Кластеризация k-средних, Линейная кластеризация, Адаптивные пороговые значения, Глобальные пороговые значения. На основе способов, описанных в разделе «Методология экспериментов», наилучшие показатели точности классификации и временной сложности имеет метод «Глобальные пороговые значения» (38,2% - точность классификации; временная сложность - линейная (такой же тип сложности имеют и другие методы, однако, у данного алгоритма гораздо меньшие абсолютные временные показатели).

UR - https://www.elibrary.ru/item.asp?id=54303216

M3 - Статья

SP - 393

EP - 403

JO - Инженерный вестник Дона

JF - Инженерный вестник Дона

SN - 2073-8633

IS - 7 (103)

ER -

ID: 43618564