|
Научная визуализация
| Год выпуска: | 2016 |
| Квартал: | 4 |
| Том: | 8 |
| Номер: | 4 |
| Страницы: | 67 - 79 |
|
| Название публикации: |
СОЗДАНИЕ МОДЕЛЬНЫХ ИЗОБРАЖЕНИЙ ИНФРАКРАСНОГО ДИАПАЗОНА И ОЦЕНКА ИХ ВИЗУАЛЬНОГО КАЧЕСТВА С ИСПОЛЬЗОВАНИЕМ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ |
| Авторы: |
В.В. Князь (Россия), В.C. Горбацевич (Россия), В.А. Мизгинов (Россия) |
|
Статья рекомендована к печати программным комитетом 26-й Международной конференции по компьютерной графике и зрению ГрафиКон'2016. |
| Адреса авторов: |
В.В. Князь
vl.kniaz@gosniias.ru
ГосНИИАС, Москва, Россия
В.C. Горбацевич
gvs@gosniias.ru
ГосНИИАС, Москва, Россия
В.А. Мизгинов
kevin5garnett-kg@yandex.ru
ГосНИИАС, Москва, Россия |
| Краткое описание: |
В настоящее время глубокие свёрточные нейронные сети зарекомендовали себя в качестве мощного инструмента решения задач распознавания объектов на изображениях, обеспечивающего вероятность правильной классификации с качеством, превосходящим возможности человека. Свёрточные сети также предоставляют возможность гибкого подхода к использованию многоспектральных данных, что, в общем случае, повышает вероятность верной классификации за счёт одновременного использования изображений, сделанных в видимом и инфракрасном диапазонах. Указанные качества обусловливают высокий потенциал применения методов машинного обучения для решения задач предупреждения столкновении? воздушных судов с препятствиями на взле?тно-посадочнои? полосе.
Залогом успешного обучения свёрточной сети является большой объём и разнообразие обучающей выборки изображений. Но если большие базы изображений видимого диапазона, предназначенные для обучения алгоритмов распознавания изображений (Pascal VOC, MS COCO), достаточно просто найти в открытом доступе, то базы данных изображений инфракрасного диапазона, необходимого состава, объёма и качества, если и существуют, то недоступны для публичного использования.
В статье предложена методика дополнения существующих баз изображений видимого диапазона синтезированными изображениями инфракрасного диапазона. Методика основывается на использовании текстурированных 3D-моделей объектов интереса и построении псевдоинфракрасных фоновых текстур на основе изображений видимого диапазона. Приводится описание разработанного алгоритма совмещения реальных изображений и 3D-моделей и алгоритма прослеживания объектов для обработки видеопоследовательностей. Рассматривается применение разработанной методики с целью построения обучающей выборки для обнаружения препятствий на взлётно-посадочной полосе. Приводится сравнение результатов обучения сети на реальных изображениях инфракрасного диапазона и изображениях, синтезированных с использованием разработанной методики. |
| Язык: |
Русский |
|
|
|
