Object structure

Publication Details:

Լույս է տեսնում 1948 թվականից՝ տարին 4 անգամ։

Journal or Publication Title:

ՀՀ ԳԱԱ և ՀԱՊՀ Տեղեկագիր. Տեխնիկական գիտություններ =Proceedings of the NAS RA and NPUA: Technical Sciences

Date of publication:

2020

Volume:

73

Number:

3

ISSN:

0002-306X

Official URL:


Additional Information:

Хачатрян Т. Б. , Khachatryan T. B.

Title:

Պատկերի խորության գնահատումը չվերահսկվող վարժեցմամբնեյրոնային ցանցի միջոցով

Other title:

Оценка глубины изображения с помощью бесконтрольно тренированной нейронной сети ; Estimating The Image Depth By An Unsupervised Trained Neural Network

Creator:

Խաչատրյան, Տ․ Բ․

Contributor(s):

Պատ․ խմբ․՝ Ա․ Գ․ Նազարով (1957-1964) ; Մ․ Վ․ Կասյան (1964-1988) ; Ռ․ Մ․ Մարտիրոսյան (1989-2017 ) ; Գլխավոր խմբ․՝ Վ․ Շ․ Մելիքյան (2018-)

Subject:

Տեխնոլոգիա

Uncontrolled Keywords:

խոր ուսուցում ; նեյրոնային ցանց ; պատկերի խորություն ; չվերահսկվող վարժեցում

Coverage:

328-333

Abstract:

Ներկայացված է պատկերում խորությունների գնահատման մեթոդ՝ խոր ուսուցման և նեյրոնային ցանցերի միջոցով։ Առաջարկվում է պատկերում խորությունների գնահատումը կատարել` համատեղ կիրառելով երկու մեթոդներ՝ խորության գնահատումը երկկապիճային անհամատեղելիության միջոցով և խորության գնահատումը շարժվող տեսանկարահանող սարքի միջոցով։ Այդ նպատակով կառուցվել է նեյրոնային ցանց, որը վարժեցվել է չվերահսկվող վարժեցման եղանակով՝ երկկապիճային տեսանյութերի միջոցով։ Представлен метод оценки глубин изображения путем глубокого обучения и использования нейронных сетей. Для оценки глубин изображения предлагается использовать комбинацию двух методов: оценка глубин с помощью стереоизображений и оценка глубины с помощью видеокамеры. С этой целью была устроена нейронная сеть, которая была тренирована бесконтрольным методом с помощью стереовидеороликов. При применении нейронной сети глубина изображения оценивается с помощью одной картины. A method is presented for estimating the depth of images using deep learning and neural networks. The combination of two methods is proposed to estimate the image depths: depth estimation with stereo images and depth estimation with a moving camera. A neural network was built for that purpose which was trained in an unsupervised manner using stereo videos. At inference time, the depth is estimated by one image.

Place of publishing:

Երևան

Publisher:

«Պոլիտեխնիկ» տպ.

Type:

Հոդված

Format:

pdf

Call number:

АЖ 413

Digitization:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Location of original object:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան