Standard

СРАВНЕНИЕ ЭФФЕКТИВНОСТИ НЕЙРОННЫХ СЕТЕЙ ПО УЛУЧШЕНИЮ РАЗРЕШЕНИЯ ИЗОБРАЖЕНИЙ ДОРОЖНОЙ ПОВЕРХНОСТИ. / Журавлев, Александр Александрович.
In: XXI век: итоги прошлого и проблемы настоящего плюс, Vol. 13, No. 1 (65), 2024, p. 58-61.

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

Harvard

Журавлев, АА 2024, 'СРАВНЕНИЕ ЭФФЕКТИВНОСТИ НЕЙРОННЫХ СЕТЕЙ ПО УЛУЧШЕНИЮ РАЗРЕШЕНИЯ ИЗОБРАЖЕНИЙ ДОРОЖНОЙ ПОВЕРХНОСТИ', XXI век: итоги прошлого и проблемы настоящего плюс, vol. 13, no. 1 (65), pp. 58-61.

APA

Журавлев, А. А. (2024). СРАВНЕНИЕ ЭФФЕКТИВНОСТИ НЕЙРОННЫХ СЕТЕЙ ПО УЛУЧШЕНИЮ РАЗРЕШЕНИЯ ИЗОБРАЖЕНИЙ ДОРОЖНОЙ ПОВЕРХНОСТИ. XXI век: итоги прошлого и проблемы настоящего плюс, 13(1 (65)), 58-61.

Vancouver

Журавлев АА. СРАВНЕНИЕ ЭФФЕКТИВНОСТИ НЕЙРОННЫХ СЕТЕЙ ПО УЛУЧШЕНИЮ РАЗРЕШЕНИЯ ИЗОБРАЖЕНИЙ ДОРОЖНОЙ ПОВЕРХНОСТИ. XXI век: итоги прошлого и проблемы настоящего плюс. 2024;13(1 (65)):58-61.

Author

Журавлев, Александр Александрович. / СРАВНЕНИЕ ЭФФЕКТИВНОСТИ НЕЙРОННЫХ СЕТЕЙ ПО УЛУЧШЕНИЮ РАЗРЕШЕНИЯ ИЗОБРАЖЕНИЙ ДОРОЖНОЙ ПОВЕРХНОСТИ. In: XXI век: итоги прошлого и проблемы настоящего плюс. 2024 ; Vol. 13, No. 1 (65). pp. 58-61.

BibTeX

@article{dbce5676a59740ae9da9d509f44838ad,
title = "СРАВНЕНИЕ ЭФФЕКТИВНОСТИ НЕЙРОННЫХ СЕТЕЙ ПО УЛУЧШЕНИЮ РАЗРЕШЕНИЯ ИЗОБРАЖЕНИЙ ДОРОЖНОЙ ПОВЕРХНОСТИ",
abstract = "В связи с расширяющейся географией автомобильных дорог актуальной задачей является оценка состояния их полотна, в последние годы для анализа изображений и повышения их качества все шире применяются разнообразные методы обучения нейронных сетей. В этой связи интерес представляет сравнение возможностей различных нейронных сетей в части получения изображения высокого разрешения по критерию среднего времени достижения приемлемого результата. Для анализа выбраны нейронные сети ESRGAN, EDSR, ESPCN, FSRCNN, LapSRN, каждая из которых способна увеличить разрешение одновременно по ширине и высоте кадра в 4 раза, и, соответственно, количества пикселей в 16 раз. С этой целью для перечисленных сетей было проведено по 5 экспериментов с 5 разными фотографиями в каждом эксперименте, при этом количество пикселей на изображении всякий раз увеличивалось в два раза. Установлено, что наилучшими показателями по затратам времени обладает сеть ESPCN, сеть FSRCNN демонстрирует сопоставимые результаты.",
author = "Журавлев, {Александр Александрович}",
year = "2024",
language = "Русский",
volume = "13",
pages = "58--61",
journal = "XXI век: итоги прошлого и проблемы настоящего плюс",
issn = "2221-951X",
publisher = "Пензенский государственный технологический университет",
number = "1 (65)",

}

RIS

TY - JOUR

T1 - СРАВНЕНИЕ ЭФФЕКТИВНОСТИ НЕЙРОННЫХ СЕТЕЙ ПО УЛУЧШЕНИЮ РАЗРЕШЕНИЯ ИЗОБРАЖЕНИЙ ДОРОЖНОЙ ПОВЕРХНОСТИ

AU - Журавлев, Александр Александрович

PY - 2024

Y1 - 2024

N2 - В связи с расширяющейся географией автомобильных дорог актуальной задачей является оценка состояния их полотна, в последние годы для анализа изображений и повышения их качества все шире применяются разнообразные методы обучения нейронных сетей. В этой связи интерес представляет сравнение возможностей различных нейронных сетей в части получения изображения высокого разрешения по критерию среднего времени достижения приемлемого результата. Для анализа выбраны нейронные сети ESRGAN, EDSR, ESPCN, FSRCNN, LapSRN, каждая из которых способна увеличить разрешение одновременно по ширине и высоте кадра в 4 раза, и, соответственно, количества пикселей в 16 раз. С этой целью для перечисленных сетей было проведено по 5 экспериментов с 5 разными фотографиями в каждом эксперименте, при этом количество пикселей на изображении всякий раз увеличивалось в два раза. Установлено, что наилучшими показателями по затратам времени обладает сеть ESPCN, сеть FSRCNN демонстрирует сопоставимые результаты.

AB - В связи с расширяющейся географией автомобильных дорог актуальной задачей является оценка состояния их полотна, в последние годы для анализа изображений и повышения их качества все шире применяются разнообразные методы обучения нейронных сетей. В этой связи интерес представляет сравнение возможностей различных нейронных сетей в части получения изображения высокого разрешения по критерию среднего времени достижения приемлемого результата. Для анализа выбраны нейронные сети ESRGAN, EDSR, ESPCN, FSRCNN, LapSRN, каждая из которых способна увеличить разрешение одновременно по ширине и высоте кадра в 4 раза, и, соответственно, количества пикселей в 16 раз. С этой целью для перечисленных сетей было проведено по 5 экспериментов с 5 разными фотографиями в каждом эксперименте, при этом количество пикселей на изображении всякий раз увеличивалось в два раза. Установлено, что наилучшими показателями по затратам времени обладает сеть ESPCN, сеть FSRCNN демонстрирует сопоставимые результаты.

UR - https://www.elibrary.ru/item.asp?id=64549170

M3 - Статья

VL - 13

SP - 58

EP - 61

JO - XXI век: итоги прошлого и проблемы настоящего плюс

JF - XXI век: итоги прошлого и проблемы настоящего плюс

SN - 2221-951X

IS - 1 (65)

ER -

ID: 55402424