Выявление изменений территорий по разновременным аэрокосмическим снимкам с использованием многослойных нейронных сетей
Д.В. Степынин, П.И. Кузин
Принято: 2026-07-06
Аннотация
Одним из элементов процесса актуализации цифровых карт является формирование и обновление объектов путем выявления изменений местности по разновременным высокодетальным аэрокосмическим изображениям. В настоящее время основным способом выявления изменений по высокодетальным аэрокосмическим изображениям по-прежнему остается прямой визуальный анализ разновременных снимков, реализуемый оператором-дешифровщиком наземного комплекса обработки видовой информации, что, в целом, снижает оперативность подготовки цифровых карт. Применение прогрессивных технологий автоматического выявления изменений позволит обеспечить повышение оперативности подготовки цифровых карт, в том числе по разнородным данным дистанционного зондирования (радарная съемка, лазерное сканирование). Методы, основанные на технологиях искусственного интеллекта, в частности – методы глубокого обучения нейронных сетей, показывают значительную «устойчивость», что обусловлено формированием в процессе обучения нейронных сетей наиболее информативных признаков значимых изменений. Предложенная нейронная сеть ResNet-50 и алгоритм реверсивной обработки входных изображений обеспечит более низкую вероятность ошибок первого и второго рода, что дает более высокий показатель индекса Жаккара и более высокую точность локализации границ.
Применение метода конечных элементов для анализа адаптивных преобразований челюстного аппарата рыб
Ю.П. Толмачева, Т.Е. Помойницкая, А.И. Толмачев, А.В. Шматкова, С.А. Зайдес
Принято: 2026-06-24
Аннотация
В работе представлены возможности использования современных подходов визуализации и численного анализа с помощью применения метода конечных элементов для исследования адаптивных деформаций скелета низших позвоночных. Основой для функционального анализа висцерального скелета рыб послужила виртуальная реконструкция данных стоматологического компьютерного томографа в конечно-элементные модели с помощью программных продуктов для инженерного проектирования и моделирования (Femap, Nastran, Patran). В результате визуализации напряженно-деформированного состояния анатомических структур установлено, что их преобразование происходит в местах концентрации максимального напряжения кости и является следствием изменения силовой нагрузки в ходе формирования пищевой стратегии вида. В целом, используемый подход способствует более полному анализу функциональных основ строения и адаптивных преобразований скелета при заданной морфологии конкретного вида.
Mapping the Research Landscape of Depression Detection Using Machine Learning: Trends and Visual Insights
Ginto Chirayath, K. Premamalini, Jeena Joseph, Jobi Babu, F. Vincent Rajasekar
Принято: 2026-03-27
Аннотация
The application of Machine Learning (ML) in detecting depression has seen exponential growth with advancements in artificial intelligence, natural language processing, and biomedical signal analysis. The paper presents a systematic bibliometric study on research on detecting depression with a basis in ML from Scopus-indexed literature between 2008 and 2025. The database with 1,407 documents from 745 sources gives a 26.02% growth rate annually, which reflects growing academic interest in AI-based mental health diagnostics. The study utilizes CiteSpace, VOSviewer, and Biblioshiny in analyzing research trends, leading contributors, networks of collaboration, and thematic evolutions. Journal articles (708), followed by conference papers (644), are predominant in the field, which reflects its dynamic, multidisciplinary character. The research areas are primarily on deep learning, natural language processing, social media-based diagnosis, and detection methods with a basis in EEG. The leading authors, Li Y, and Zhang X, contribute from Chinese institutes predominantly. The leading collaborating nations are the United States, China, and India. Co-citation as well as coupling between bibliographics in research discloses a high level of incorporation between AI with clinical psychiatry, neurology, as well as digital-based healthcare interventions. The trend from traditional classification methods towards models with a basis in transformer models in form of BERT as well as GPT is observed. The thematic mapping discloses a new emergence in terms of mobile-based healthcare application as well as AI-based suicide prediction. The research highlights rapid development in AI in mental healthcare with far-reaching impacts on early detection, distant-based care, as well as ethics in AI development. The research in the future should be directed towards enhancing model interpretation, resolving data privacy issues, as well as improving AI-based mental healthcare in terms of global application.
Color and Material Matching Space Effect Optimization in Soft Decoration Design Based on Computer Image Processing Algorithm
Shan Dan, Wanchun Wang, Qinwei Xu
Принято: 2025-12-13
Аннотация
This study introduces an intelligent optimization method based on computer vision to solve the problem that color and material matching in soft decoration design is highly subjective and lacks quantitative standards. ConvNeXt (Convolutional Next Network) is used to extract the color-material features of the interior space, and a GMM (Gaussian Mixture Model) color database is constructed to quantify the coordination of different color distributions. The PSO (Particle Swarm Optimization) algorithm is used for multi-objective optimization to ensure the balance and visual beauty of color matching. The design scheme is realistically rendered in the Unity platform to simulate the visual effects in the actual environment, and CHI (Color Harmony Index), ECS (Emotional Color Similarity) and MCI (Material Conflict Index) are used to quantitatively evaluate the design effect. The results show that the proposed method is superior to traditional manual design and feature extraction combined with manual design in terms of color harmony, consistency of emotional expression and material adaptability. The average CHI of the proposed design method reaches 0.92, the average ECS is 0.93, and the average MCI is reduced to 0.12, which significantly optimizes the visual coordination and overall aesthetic effect of the soft decoration scheme. The design method in this paper can improve efficiency while ensuring the aesthetics of the design, and provides a feasible quantitative optimization strategy for intelligent soft decoration design.
