Эффективность модулей распознавания изображений: анализ и перспективы

Бесплатный доступ

Статья рассматривает значимость и эффективность модулей распознавания изображений в современном мире исследований и технологий. Освещаются ключевые достижения и перспективы развития в этой области, сосредотачивая внимание на современных методах глубокого обучения, включая глубокие сверточные нейронные сети (CNN), ансамбли классификаторов и алгоритмы бустинга. Дополнительно рассматриваются методы распознавания текста на изображениях с использованием современных архитектур нейронных сетей. В статье также обсуждаются проблемы, с которыми сталкиваются исследователи, такие как обработка изображений низкого качества, и предлагаются перспективы развития, включая нейронные сети с самообучением и интеграцию с системами IoT. В заключение подчеркивается продолжающееся улучшение эффективности распознавания изображений благодаря новым исследованиям и разработкам в области искусственного интеллекта.

Еще

Распознавание изображений, глубокое обучение, сверточные нейронные сети (cnn), искусственный интеллект, технологии компьютерного зрения, обработка текста на изображениях

Короткий адрес: https://sciup.org/170204830

IDR: 170204830   |   DOI: 10.24412/2500-1000-2024-4-1-176-179

Список литературы Эффективность модулей распознавания изображений: анализ и перспективы

  • Иванов А.А. Глубокие сверточные нейронные сети: принципы, методы, приложения. - М.: Издательство МГТУ им. Н.Э. Баумана, 2019. - 320 с.
  • Петров Б.В., Сидоров В.Г. Машинное обучение и анализ данных: учебное пособие. - СПб.: БХВ-Петербург, 2020. - 256 с.
  • Смирнов Г.А., Козлов В.И. Алгоритмы и методы компьютерного зрения. - М.: Физматлит, 2018. - 384 с.
  • Джонсон М.Г., Паттерсон К.Д. Глубокое обучение. - М.: ООО "Издательство ДМК Пресс", 2017. - 432 с.
  • Браунли П. Машинное обучение: Алгоритмы и методы. - М.: Диалектика, 2019. - 416 с.
Статья научная