Modeling optical pattern recognition algorithms for object tracking based on nonlinear equivalent models and subtraction of frames

Krasilenko, Vladimir G.; Nikolskyy, Aleksandr I.; Lazarev, Alexander A.

doi:10.1117/12.2205779

Cited by 2 publications

(2 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Also, in the study of CNN AlexNet found that the number of layers -25 is not enough to achieve accuracy in the classification of the test group at least up to 80%. In the future, it is proposed to use software and hardware of artificial intelligence, which are discussed in [13,14,15], which will help improve the proposed approach and increase the speed and reliability of diagnosing ultrasound medical images of hip dysplasia.…”

Section: Experimental Research and Comparison Of Modeling Resultsmentioning

confidence: 99%

Convolutional Neural Networks for Early Computer Diagnosis of Child Dysplasia

Bilynsky

Nikolskyy

Revenok

et al. 2023

IAPGOS

View full text Add to dashboard Cite

The problem in ultrasound diagnostics hip dysplasiais the lack of experience of the doctor in case of incorrect orientation of the hip joint andultrasound head. The aim of this study was to evaluate the ability of the convolutional neural network (CNN) to classifyand recognize ultrasound imagingof thehip joint obtained at the correct and incorrect position of the ultrasound sensor head in the computer diagnosisofpediatricdysplasia. CNN's suchas GoogleNet, SqueezeNet, and AlexNet were selected for the study. The most optimal for the task is the useof CNN GoogleNet showed. In this CNN usedtransfer learning. At the same time, fine-tuning of the network and additional training on the databaseof 97 standards of ultrasonic images of the hip jointwere applied. Image type RGB 32 bit, 210 × 300 pixels are used. Fine-tuning has been performedthe lower layers of the structure CNN, in which 5 classesare allocated, respectively 4 classes of hip dysplasia types according to the Graf, and the Type ERROR ultrasound image, where position of the ultrasoundsensor head and of the hip joint in ultrasound diagnostics are incorrect orientation.It was found that the authenticity of training and testing is the highestfor the GoogleNet network:when classified in the training group accuracy is up to 100%, when classified in the test group accuracy–84.5%

show abstract

Section: Experimental Research and Comparison Of Modeling Resultsmentioning

confidence: 99%

Convolutional Neural Networks for Early Computer Diagnosis of Child Dysplasia

Bilynsky

Nikolskyy

Revenok

et al. 2023

IAPGOS

View full text Add to dashboard Cite

show abstract

“…There are well-established approaches to recognition of very noisy and correlated single objects [33][34][35][36][37][38][39][40][41] and sets of multiple objects [34,38,39], including moving ones [40], with simultaneous division into clusters [34][35][36]41]. However, they are all very diverse and poorly integrated into single, flexible and configurable, and adaptive system or program.…”

Section: Model Experiments In Mathcadmentioning

confidence: 99%

Використання Mathcad І Labview Для Моделювання Алгоритмів Виявлення, Локалізації Та Відстеження Рухомих Об’єктів У Відеопотоках

KRASILENKO,

KYCHAK,

NIKOLSKY

et al. 2024

Вісник Хмельницького національного університету. Серія: Технічн

View full text Add to dashboard Cite

У даній роботі запропоновано та змодельовані алгоритми виявлення, локалізації та відстеження рухомих об’єктів у потоці відеокадрів. Запропоновані алгоритми та система базуються на використанні операцій віднімання, а також деяких інших видів операцій над наборами суміжних кадрів. Алгоритми додатково базуються на нелінійних нормалізованих моделях еквівалентності, які використовують функції просторової еквівалентності як дескриптори та міри близькості шаблону та поточного фрагмента відеокадру. Наведено результати моделювання запропонованих алгоритмів у Mathcad та LabView. Використання запропонованого методу, моделей еквівалентності та функцій еквівалентності з оброблених різницевих відеокадрів дає хороші результати розпізнавання та відстеження рухомих об’єктів. Експерименти з імітаційною моделлю в Mathcad показали, що для підвищення якості систем стеження за рухомими об'єктами, в умовах їх відставання від перешкод, найкращим варіантом є використання нелінійних просторових функцій еквівалентності замість взаємних кореляційних просторових функцій при обробці напівтонових зображень. відеокадрів, щоб порівняти фрагменти різницевого поточного кадру, зміщеного вздовж кадру, з опорним різницевим фрагментом, що представляє об'єкт уваги. Запропонований метод стеження було реалізовано в проекті Labview, що дозволило проводити ефективне моделювання. Ряд різноманітних експериментів з відеофайлом, проведених і представлених в роботі, показав, що метод формування відеопотоку з різницевих відеокадрів з урахуванням затримок кадрів в залежності від швидкості руху об'єктів дає кращі результати в порівнянні з до методу без формування різницевих кадрів. Запропонована система на основі методу різницевих кадрів поєднує процес стеження з процесом покращеного розпізнавання фрагментів, розширює функціональні можливості, знижує обчислювальну складність і дозволяє точніше визначати координати цільового вказівника, який рухається та слідує за цим об’єктом.

show abstract

Modeling optical pattern recognition algorithms for object tracking based on nonlinear equivalent models and subtraction of frames

Cited by 2 publications

References 1 publication

Convolutional Neural Networks for Early Computer Diagnosis of Child Dysplasia

Convolutional Neural Networks for Early Computer Diagnosis of Child Dysplasia

Використання Mathcad І Labview Для Моделювання Алгоритмів Виявлення, Локалізації Та Відстеження Рухомих Об’єктів У Відеопотоках

Contact Info

Product

Resources

About