AB

Bibliografia publikacji pracowników
Państwowej Szkoły Wyższej w Białej Podlaskiej

Baza tworzona przez Bibliotekę Akademii Bialskiej im. Jana Pawła II.


Zapytanie: BEZOBRAZOV SERGEI
Liczba odnalezionych rekordów: 3



Przejście do opcji zmiany formatu | Wyświetl/ukryj etykiety | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Nowe wyszukiwanie
1/3
Nr opisu: 0000042333
Autorzy: Sergei Bezobrazov, Andrei Sheleh, Sergei Kislyuk, Vladimir Golovko, Anatoliy Sachenko, Myroslav Komar, Vitaliy Dorosh, Volodymyr Turchenko.
Tytuł pracy: Artificial Intelligence for Sport Activity Recognition
Tytuł całości: W: IDAACS'2019 : Proceedings of the 2019 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems : Technology and Applications,, Vol. 2
Miejsce wydania: [Piscataway]
Wydawca: Institute of Electrical and Electronics Engineers Inc.
Rok wydania: 2019
Strony zajęte przez pracę: S. 628-632
ISBN: 978-1-7281-4068-1
Charakterystyka formalna: rozdział w monografii zagranicznej
Charakterystyka merytoryczna: konferencja naukowa międzynarodowa
Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN
Język publikacji: ENG
Słowa kluczowe ang.: artificial intelligence ; artificial neural networks ; gesture recognition ; sport activity recognition ; time series processing
Uwaga: Kopia dostępna w Sekcji Bibliometrii.
Inne bazy podające opis:
  • Scopus
  • WoS

    DOI: 10.1109/IDAACS.2019.8924243
    Streszczenie: This paper presents and explains an implementation of an Artificial Neural Network approach for sport activities (gestures) detection and recognition using PIQ ROBOT device. Tennis was chosen as an example of sports activities. The development of artificial intelligence has given rise to gesture-recognition-based devices. The global gesture recognition market size was valued at USD 6.22 billion in 2017 and it is likely to reach USD 30.6 billion by 2025. This paper starts our ambitious research in the area of artificial neural networks for activity recognition in the sport.

    2/3
    Nr opisu: 0000042332
    Autorzy: Vladimir Golovko, Aliaksandr Kroshchanka, Egor Mikhno, Myroslav Komar, Anatoliy Sachenko, Sergei Bezobrazov, Inna Shylinska.
    Tytuł pracy: Deep Convolutional Neural Network for Recognizing the Images of Text Documents
    Tytuł całości: W: Modern Machine Learning Technologies and Data Science Workshop : Workshop Proceeding of the 8th International Conference on "Mathematics. Information Technologies. Education", MomLeT&DS Workshop 2019 / ed. by Michael Emmerich, Vasyl Lytvyn, Iryna Yevseyeva, Vitor Basto-Fernandes, Dmytro Dosyn, Victoria Vysotska
    Miejsce wydania: Ukraine
    Wydawca:
    Rok wydania: 2019
    Seria: CEUR Workshop Proceedings, ISSN 1613-0073, Vol. 2386
    Strony zajęte przez pracę: S. 297-306
    Charakterystyka formalna: referat w materiałach pokonferencyjnych zagranicznych
    Charakterystyka merytoryczna: konferencja naukowa międzynarodowa
    Język publikacji: ENG
    Słowa kluczowe ang.: object detection ; deep convolutional neural network ; labeling images ; image preprocessing ; text image
    Inne bazy podające opis:
  • WoS
  • Scopus


    3/3
    Nr opisu: 0000042337
    Autorzy: Vladimir Golovko, Alexander Kroshchanka, Sergei Bezobrazov, Anatoliy Sachenko, Myroslav Komar, Oleksandr Novosad.
    Tytuł pracy: Development of Solar Panels Detector
    Tytuł całości: W: Problems of Infocommunications Science and Technology (PIC S&T' 2018) : Conference Proceedings 2018 International Scientific-Practical Conference
    Miejsce wydania: Kharkiv
    Wydawca: Institute of Electrical and Electronics Engineers (IEEE)
    Rok wydania: 2018
    ISBN: S. 761-764
    Kopia niedostępna: x
    Charakterystyka formalna: referat w materiałach pokonferencyjnych zagranicznych
    Charakterystyka merytoryczna: konferencja naukowa międzynarodowa
    Charakterystyka wg MNiSW: publikacja w recenzowanych mat. konf. międzynar. uwzględnionej w WoS
    Język publikacji: ENG
    Punktacja ministerstwa: 15.000
    Słowa kluczowe ang.: artificial intelligence ; computer vision ; convolutional neural network ; energy production ; geospatial data ; power capacity ; satellite photos ; solar panels detection
    Inne bazy podające opis:
  • Scopus
  • WoS

    DOI: 10.1109/INFOCOMMST.2018.8632132
    Streszczenie: The paper describes the method of detection of roof-installed solar photovoltaic panels in low-quality satellite photos. It is important to receive the geospatial data (such as country, zip code, street and home number) of installed solar panels, because they are connected directly to the local power. It will be helpful to estimate a power capacity and an energy production using the satellite photos. For this purpose, a Convolutional Neural Network was used. For training and testing dataset consists of low-quality Google satellite images was used. The experimental results show a high rate accuracy of detection with low rate incorrect classifications of the proposed approach. The proposed approach has enormous implementation and can be improved in future.

      Wyświetl ponownie stosując format:
    • Wyświetl/ukryj etykiety | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Nowe wyszukiwanie | Biblioteka AB