Please use this identifier to cite or link to this item: https://elib.utmn.ru/jspui/handle/ru-tsu/28938
Title: Сравнение методов построения карт глубины из изображений
Other Titles: Comparison of methods for constructing depth maps from images
Authors: Пирогов, М. А.
Карякин, Ю. Е.
Pirogov, M. A.
Karyakin, Yu. E.
Keywords: конференция
сравнительный анализ
нейронные сети
карта глубины
система реального времени
сверточные нейронные сети
капсульные нейронные сети
conference
CapsNet
CNN
Issue Date: 2023
Publisher: ТюмГУ-Press
Citation: Пирогов, М. А. Сравнение методов построения карт глубины из изображений / М. А. Пирогова, Ю. Е. Карякин. — Текст : электронный // Математическое и информационное моделирование : материалы Всероссийской конференции молодых ученых (Тюмень, 18–20 мая 2023 г.) / Министерство науки и высшего образования РФ, Тюменский государственный университет, Институт математики и компьютерных наук ; редакционная коллегия : Е. П. Вдовин [и др.]. — Тюмень : ТюмГУ-Press, 2023. — Вып. 21. — С. 74–80.
Abstract: В статье представлен сравнительные анализ методов построения карты глубины из изображения и определен, относительно рассмотренных, лучший для использования в системах реального времени. Рассмотрены методы: сверточные нейронные сети, капсульные нейронные сети, построение по стереопаре.
The article presents a comparative analysis of methods for constructing a depth map from an image and determines, relative to those considered, the best for use in real-time systems. Methods are considered: convolutional neural networks, capsule neural networks, stereo pair construction.
Conference name: Всероссийская конференция молодых ученых «Математическое и информационное моделирование»
Conference date: 18.05.2023-20.05.2023
URI: https://elib.utmn.ru/jspui/handle/ru-tsu/28938
ISBN: 978-5-400-01722-3
Source: Математическое и информационное моделирование : материалы Всероссийской конференции молодых ученых. Вып. 21. – Тюмень, 2023
Appears in Collections:Материалы конференций, форумов, семинаров

Files in This Item:
File Description SizeFormat 
miim_2023_74_80.pdf889.51 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.