Предлагается новый быстрый метод регистрации движения глаз в режиме реального времени на основе исследования гранично-ступенчатой модели полутонового изображения оператором Лапласиан – Гауссиана и нахождения нового предложенного дескриптора накопленных разностей (идентификатора точек), который отображает меру равноудаленности каждой точки от границ некоторой относительно монотонной области (например, зрачок глаза). Работа данного дескриптора исходит из предположения о том, что зрачок в кадре является наиболее округлой монотонной областью, имеющей высокий перепад яркости на границе, пиксели области должны иметь интенсивность меньше заранее заданного порога (но при этом зрачок может не являться самой темной областью на изображении). Учитывая все вышеперечисленные характеристики зрачка, дескриптор позволяет достичь высокой точности детектирования его центра и размера в отличии от методов, основанных на пороговой сегментации изображения, опирающихся на предположение о зрачке как наиболее темной области, морфологических методов (рекурсивная морфологическая эрозия), корреляционных или методов, исследующих только граничную модель изображения (преобразование Хафа и его вариации с двумерным и трехмерным пространствами параметров, алгоритм Starburst, Swirski, RANSAC, ElSe). Исследована возможность представления задачи трекинга зрачка как задачи многомерной оптимизации и ее решение неградиентным методом Хука –Дживса, где в качестве целевой функции выступает функция, выражающая дескриптор. При этом отпадает необходимость в вычислении дескриптора каждой точки изображения (составления специальной аккумуляторной функции), что значительно ускоряет работу метода. Проведен анализ предложенных дескриптора и метода, а также разработан программный комплекс на языке Python 3 (визуализация) и C++ (ядро трекинга) в лаборатории физико-математического факультета Камчатского государственного университета им. Витуса Беринга, позволяющий иллюстрировать работу метода и осуществлять трекинг зрачка в режиме реального времени.
Время активного существования орбитальных средств на геостационарной орбите, к которым относятся стационарные искусственные спутники Земли различного назначения, может составлять более 15 лет. Вместе с тем в современных условиях наращивания орбитальной группировки возрастает и количество объектов космического мусора, в том числе и на геостационарной орбите: завершившие активное существование спутники, которые по каким-либо причинам не были переведены на орбиту захоронения; осколки спутников, образованные в результате столкновения с метеорами или аварий. Это повышает вероятность столкновения с ними рабочих спутников. Перечисленные факторы обусловливают необходимость рассматривать задачу удержания стационарных искусственных спутников Земли в окрестности точки стояния в условиях недопущения столкновения с объектами космического мусора, при этом затраты рабочего тела не должны существенно возрастать.
При проектировании новых космических аппаратов, особенно с большими сроками эксплуатации, особое внимание уделяется рациональному размещению двигателей. Предполагается, что спутники оснащаются несколькими двигателями коррекции, которые позволяют создавать управляющие ускорения только в нескольких направлениях, не меняя ориентации самого спутника. То есть при решении задачи считается, что коррекции параметров орбиты спутника не влияют на его ориентацию. Это условие является жестким ограничением в синтезе управления спутником.
В рассматриваемом методическом подходе в качестве функционала от управления задаются затраты рабочего тела, необходимые для совершения очередной коррекции, после которой на интервале глубины прогноза не будет опасных удалений от точки стояния и сближений. Это позволяет избежать ситуаций, когда решение об управлении принимается уже после выхода стационарного спутника за пределы окрестности точки стояния, и прежде всего, сближения с объектами космического мусора на расстояние, меньшее порогового.
Представлены результаты моделирования, которые говорят об эффективности предложенных решений. Важным преимуществом является рассмотрение движения стационарного спутника не только относительно точки стояния, но и нескольких других объектов, как управляемых, так и неуправляемых, которые находятся в ее окрестности. При этом количество объектов может быть любым.
Предлагается разделенный на несколько модулей алгоритм для создания изображений полнотекстовых документов. Эти изображения можно использовать для обучения, тестирования и оценки моделей оптического распознавания символов (ОПР). Алгоритм является модульным, отдельные части могут быть изменены и настроены для создания желаемых изображений. Описывается метод получения фоновых изображений бумаги из уже оцифрованных документов. Для этого используется новый, основанный на вариационном автоэнкодере подход к обучению генеративной модели. Эти фоны позволяют сразу же сгенерировать такие же фоновые изображения, как те, на которых производилось обучение. Для получения правдоподобного эффекта старения в модуле печати текста используются большие текстовые блоки, типы шрифтов и вариативность изменения яркости символов. Поддерживаются несколько типов макетов страницы. Система генерирует подробную структурированную аннотацию искусственного изображения. Для сравнения реальных изображений с искусственно созданными используется программа Тессеракт ОПР. Точность распознавания приблизительно схожа, что указывает на правильность сгенерированных искусственных изображений. Более того, допущенные системой ОПР ошибки в обоих случаях очень похожи. На основе сгенерированных изображений была обучена архитектура сверточная кодер-декодер нейронная сеть полностью для семантической сегментации отдельных символов. Благодаря этой архитектуре достигнута точность распознавания 99,28% в тестовом наборе синтетических документов.
Распознавание движений при прыжках с помощью видео является значительным вкладом, поскольку оно значительно влияет на интеллектуальные приложения и будет широко применяться в жизни. Этот метод может быть использован для обучения будущих танцоров с использованием инновационных технологий. Сложные позы будут повторяться и совершенствоваться с течением времени, что снизит нагрузку на инструктора при многократном выполнении. Танцоров также можно воссоздать, удалив элементы из их изображений. Распознавать движения танцоров, проверять и корректировать их позы, и еще одним важным аспектом является то, что наша модель может извлекать когнитивные функции для эффективной оценки и классификации, а глубокое обучение в настоящее время является одним из лучших способов сделать это для возможностей коротких видеороликов. Кроме того, при оценке качества видеозаписи выступления точность выполнения каждого танцевального шага является сложной проблемой, когда глаза судей не могут на 100% сфокусироваться на танце на сцене. Более того, танцы на видео сегодня представляют большой интерес для ученых, поскольку технологии все больше развиваются и становятся полезными для замены людей. Основываясь на реальных условиях и потребностях Вьетнама. В этой статье мы предлагаем метод, заменяющий ручную оценку, и наш подход используется для оценки танца с помощью коротких видеороликов. Кроме того, мы проводим танцевальный анализ с помощью коротких видеороликов, применяя таким образом такие методы, как глубокое обучение, для оценки и сбора данных, на основе которых можно делать точные выводы. Эксперименты показывают, что наша оценка является относительно точной, когда рассчитываются значения точности и F1-балла. Точность составляет более 92,38% и 91,18% F1-балла соответственно. Это демонстрирует, что наш метод хорошо и точно работает при анализе оценки танца.
В статье излагаются предложенные методы решения обобщенной проблемы собственных значений и векторов для сингулярных матричных пучков, встречаю-щихся в важных прикладных задачах различных отраслей знания.
1 - 5 из 5 результатов