logo
calendar14 ноябр 2025
view2
Asosiy til:Rus

ИСПОЛЬЗОВАНИЕ АЛГОРИТМА NON-MAXIMUM SUPPRESSION ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ И СКОРОСТИ ОБРАБОТКИ РАСПОЗНАВАНИЯ ЛИЦ В РЕАЛЬНОМ ВРЕМЕНИ

Fan yo'nalishi:
pdf

6916bc8262611.pdf

PDF

MAQOLA ANNOTATSIYASI

quote
Аннотaция. В данной работе рассматриваются современные алгоритмы распознавания лиц, которые условно классифицируются на геометрические и шаблонные методы. Шаблонные методы используют статистические подходы, такие как SVM, PCA, LDA и сверточные нейронные сети. Особое внимание уделяется алгоритму Виолы-Джонса, обладающему высокой скоростью обнаружения, и методу LBPH, обеспечивающему точное распознавание. Также подробно анализируется алгоритм Non-Maximum Suppression (NMS), применяемый в задачах обнаружения объектов для устранения избыточных или перекрывающихся предсказаний. Представлены математические формулы и пошаговая реализaция алгоритма, включая расчет площади, пересечения и коэффициента перекрытия. NMS оптимизирует окончательный выбор ограничивающих рамок и широко используется в системах компьютерного зрения.

MUALIFLAR

Teglar

# Машинное обучение# Ключевые слова: распознавание ли# алгоритм Виолы-Джонса# локальная бинарная гистограмма # поддерживающие векторы (SVM)# анализ главных компонент (PCA)# Сверточные нейронные сети (CNN)# non-Maximum Suppression (NMS)# классификaция изображений

Maqolani baholang

0

0 ta

Maqola idintifikatorlari

Foydalanilgan adabiyotlar

Accelerating Non-Maximum Suppression: A Graph Theory Approach (Si K.S. 2024)

MA Imran, MSU Miah, H Rahman , A Bhowmik, D Karmaker, 2015. Face Recognition Using Eigenfaces. International Journal of Computer Applications, vol. 118, no. 5

Dr. H S Prasantha. Detailed Survey Of Machine Learning Algorithms For Face Recognition. International Journal of Creative Research Thoughts (IJCRT). Volume 11, Issue 11 November 2023. 832-836 p.

Jan Hosang, Rodrigo Benenson, Bernt Schiele. Learning non-maximum suppression. Max Planck Institut für Informatik Saarbrücken, Germany.

Krishna, M., & Jawahar, C. V. (2021). Deep Learning for Drone and UAV Applications. In S. S. H. De Silva & B. B. Gupta (Eds.), Handbook of Smart Materials, Technologies, and Devices (pp. 75–93). Springer, Cham.

Xiyue Wang, Xinsheng Wang, Zhiquan Zhou, Yanhong Song. Fast Detection and Obstacle Avoidance on UAVs Using Lightweight Convolutional Neural Network Based on the Fusion of Radar and Camera. Applied Intelligence, August 2024

Zhu, X., Su, W., Lu, L., Li, B., Wang, X., & Dai, J. (2020). Deformable DETR: Deformable Transformers for End-to-End Object Detection.

Yanan Song, Quan-Ke- Pan , Liang Gao, Biao Zong (2019) Improved non-maximum suppression for object detection using harmony search algorithm

A review of non-maximum suppression algorithms for deep learning object detection, M. Gong, SPIE Proceedings, Vol. 11763, 2021

NMS Loss: Learning with Non Maximum Suppression for Crowded Pedestrian Detection (Luo Z. , 2021)

Multi Attribute NMS: An Enhanced Non-Maximum Suppression Algorithm for Pedestrian Detection in Crowded Scenes (Wang W. ., 2023)

public

SLIB.uz — O'zbekiston ilmiy jurnallari va maqolalar yagona tizimda ilmiy nashirlarni bir joyda ko'rish, izlash va ulardan foydalanish imkonini beruvchi zamonaviy platforma.

Ijtimoiy tarmoqlarda
instagramtelegramyoutubefacebook

Bog'lanish uchun

Manzil:Chilonzor tumani Qatortol ko'chasi 60B

Tel:+998(55)511-44-00

Savol-javob va takliflar uchun

© 2026 Barcha huquqlar himoyalangan.