Участник:Algneushev

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Публикации)
м (Основные публикации)
(33 промежуточные версии не показаны)
Строка 1: Строка 1:
-
{{UnderConstruction|[[Участник:Algneushev|Algneushev]] 02:44, 7 апреля 2019 (MSD)}}
+
<!--{{UnderConstruction|[[Участник:Algneushev|Algneushev]] 02:44, 7 апреля 2019 (MSD)}}-->
{{TOCright}}
{{TOCright}}
Строка 7: Строка 7:
к.ф.-м.н.
к.ф.-м.н.
-
ассистент проф. каф. [[Интеллектуальные системы (кафедра МФТИ)|«Интеллектуальные системы»]] [[ФУПМ]] [[МФТИ]].
+
ст. преподаватель каф. [[Интеллектуальные системы (кафедра МФТИ)|«Интеллектуальные системы»]] [[ФУПМ]] [[МФТИ]], <!--[http://www.ccas.ru/depart/depart06.htm отдел «Сложных систем»]--> [[Вычислительный центр РАН|Вычислительный центр им. А.А. Дородницына ФИЦ ИУ РАН]].
-
 
+
-
научный сотрудник [http://www.ccas.ru/depart/depart06.htm отдела «Сложных систем»] [[Вычислительный центр РАН|Вычислительного центра ФИЦ ИУ РАН]].
+
<br />
<br />
<br />
<br />
[[Служебная:EmailUser/Algneushev|Мне можно написать письмо]]
[[Служебная:EmailUser/Algneushev|Мне можно написать письмо]]
 +
<br />
<br />
<br />
<br />
<br />
Строка 23: Строка 22:
== Научные интересы ==
== Научные интересы ==
* Обработка и анализ изображений
* Обработка и анализ изображений
-
* Разработка моделей и методов выделения признаков на изображениях для задач обнаружения и классификации объектов
+
* Математические модели и методы в задачах выделения признаков, обнаружения, сегментации и классификации объектов на видео изображениях
-
* Распознавание образов
+
* Нейросетевые модели анализа изображений, методы регуляризации обучения нейросетевых моделей
-
* Биометрическая идентификация
+
* Распознавание образов и биометрическая идентификация
-
* Сжатие видео изображений
+
== Прикладные проекты ==
== Прикладные проекты ==
-
* Идентификация личности по лицу на изображении
+
* Методы моделирования и регуляризация обучения сверточных нейронных сетей для анализа изображений, задач классификации, сегментации, детектирования объектов.
-
* Обнаружение пешехода на изображении
+
* Анализ дорожной сцены, городской среды, детектирование пешеходов и событий
 +
* Сверхразрешение и реставрация изображений
 +
----
 +
* Идентификация личности по лицу на изображении и ре-идентификация при слежении
* Биометрическая идентификация по радужной оболочке глаза
* Биометрическая идентификация по радужной оболочке глаза
* Выделение элементов лица на изображении и слежения за ними
* Выделение элементов лица на изображении и слежения за ними
-
* Анализ дорожной сцены, оценка скорости транспортных средств, классификация типов ТС
+
* Оценка скорости транспортных средств, классификация типов ТС
-
== Студенты ==
+
== Аспиранты и студенты ==
{| style="float:left; margin-right:5em; text-align:center;"
{| style="float:left; margin-right:5em; text-align:center;"
|-
|-
-
! Магистры
+
! Аспиранты
|- style="text-align:left;"
|- style="text-align:left;"
|
|
-
* Никита Самсонов
+
* Никита Самсонов (ФИЦ)
 +
* Дмитрий Карелин (ФИЦ)
 +
* Сергей Таранов (МФТИ)
 +
* Денис Нарцев (МФТИ)
 +
* Григорьев Алексей (МФТИ)
|}
|}
-
{| style="float:left; text-align:center;"
+
{| style="float:left; margin-right:5em; text-align:center;"
 +
|-
 +
! Магистры
 +
|- style="text-align:left;"
 +
|
 +
<!--
 +
* Валерия Иришкина
 +
----
 +
* Игорь Щербак-->
 +
<!-- ---- -->
 +
|}
 +
{| style="float:left; margin-right:5em; text-align:center;"
|-
|-
! Бакалавры
! Бакалавры
|- style="text-align:left;"
|- style="text-align:left;"
|
|
-
* Сергей Таранов
+
* Алина Орешина
 +
* Дмитрий Николотов
 +
* Елизавета Малышева
 +
* Никита Истомин
 +
* Артемий Захаров
----
----
-
* Ярослав Томинин
+
* Степан Сыроваткин
-
* Владислав Томинин
+
-
* Никита Дудоров
+
|}<div style="clear:both;"></div>
|}<div style="clear:both;"></div>
=== Бакалаврские диссертации ===
=== Бакалаврские диссертации ===
 +
# Щербак Игорь. Построение моделей сверточных ядер нейронной сети для задачи классификации объектов на изображении. 2021. МФТИ
 +
# Котов Александр. Разработка методов сверхразрешения изображений заданного класса объектов с помощью выделения локальных признаков. 2021. МФТИ
 +
# Ивченков Ярослав. Разработка нейросетевой модели на основе ДКП ядер в задаче детектирования объектов на изображении. 2020. МФТИ.
 +
# Нарцев Денис. Разработка нейросетевой модели и ее обучение для уточнения положения и ориентации лица на изображении в задаче распознавания личности в неконтролируемых условиях съемки. 2020. МФТИ.
 +
# Григорьев Алексей. Оценивание параметров в задаче слежения за множеством объектов в видеопотоке. 2020. МФТИ.
 +
# Сергей Таранов. Разработка метода агрегации признаков для компактного представления множества изображений лица в задаче распознавания личности. 2019. МФТИ.
 +
# Никита Самсонов. Разработка метода построения текстурных признаков в аккумуляторном пространстве Хафа для задачи обнаружения пешехода на изображении. 2017. МФТИ.
 +
 +
===Магистерские диссертации===
 +
# Григорьев Алексей. Регуляризация нейросетевого слоя путем построения фрейма в пространстве параметров. 2022. МФТИ
 +
# Нарцев Денис. Нейросетевые модели оценки параметров объектов на изображении. 2022. МФТИ
 +
# Таранов Сергей. Разработка нейросетевой модели на основе декомпозиции обучения в пространстве признаков для задачи распознавания лиц на изображениях. 2021. МФТИ
 +
# Никита Самсонов. Метод проекций в пространстве лучевого преобразования Радона для детектирования пешеходов. 2019. МФТИ.
 +
 +
== Основные публикации ==
 +
# Таранов С.К., Гнеушев А.Н. Декомпозиции обучения в пространстве признаков для задачи распознавания лиц на изображениях // Интеллектуализация обработки информации: Тезисы докладов 14-й Международной конференции, г. Москва, 2022, M: РАН, 2022. С. 140-145. [[Медиа:idp22.pdf|Сборник тезисов конференции ИОИ-14]].
 +
# ''Гнеушев А. Н., Григорьев А. Д., Матвеев И.А.'' Фреймовая регуляризация сверточной нейронной сети в задачах классификации изображений // Известия Академии Наук. Теория и системы управления. — 2022. — № 6. — С. 143–153. (Grigoriev A.D., Gneushev A.N., Matveev I.A. Frame Regularization of a Convolutional Neural Network in Image-Classification Problems // [https://rdcu.be/c1nJB Journal of Computer and Systems Sciences International]. 2022. V.61. N.6. P.1020-1030)
 +
# ''Nartsev D.Y., Gneushev A.N., Matveev I.A.'' Adam Adaptive Optimization Method for Neural Network Models Regression in Image Recognition Tasks, In: Vasant P, Munapo E., Thomas J.J., Weber G-W. (Eds.) Artificial Intelligence in Industry 4.0 and 5G Technology, Wiley, 2022, ISBN: 978-1-119-79877-4, DOI: 10.1002/9781119798798.ch7 [https://www.researchgate.net/publication/361610245_Adam_Adaptive_Optimization_Method_for_Neural_Network_Models_Regression_in_Image_Recognition_Tasks | abstract].
 +
# ''Grigorev A.D., Gneushev A.N., Litvinchev I.'' Re-Identification-Based Models for Multiple Object Tracking, In: Vasant P, Munapo E., Thomas J.J., Weber G-W. (Eds.) Artificial Intelligence in Industry 4.0 and 5G Technology, Wiley, 2022, ISBN: 978-1-119-79877-4, DOI: 10.1002/9781119798798.ch15 [https://www.researchgate.net/publication/361610437_Re-Identification-Based_Models_for_Multiple_Object_Tracking | abstract][https://books.google.ru/books?id=3GB6EAAAQBAJ&pg=PA303 books.google]
 +
# ''Григорьев А.Д., Гнеушев А.Н.'' Регуляризация параметров нейронной сети на основе неравенства Рисса // Математические методы распознавания образов: Тезисы докладов 20-й Всероссийской конференции с международным участием, г. Москва, 2021, М.: Российская академия наук, 2021. С. 121-122. [[Медиа:Mmpr_2021.pdf|Сборник тезисов конференции ММРО-20]].
 +
# ''Нарцев Д. Ю., Гнеушев А.Н.'' Сравнение модифицированных методов обучения Adam в задачах оценки параметров регрессионных моделей по изображению // Информационные технологии. - М. : Новые технологии, 2021.- Т. 27, № 9 - C. 461-469. [http://novtex.ru/IT/it2021/number_09_annot.html#3 | сайт издательства].
 +
# ''Григорьев А. Д., Гнеушев А. Н.'' Реидентификация с предфильтрацией по качеству изображений в задаче слежения за множеством объектов // Информационные технологии. – М.: Новые технологии, 2021. – Т. 27, № 8. – C. 409–418. [http://novtex.ru/IT/it2021/number_08_annot.html#3 | сайт издательства].
 +
# ''Нарцев Д., Гнеушев А.Н.'' Оптимизация регрессионных нейросетевых моделей прямой оценки параметров объектов на изображениях модифицированными методами Adam // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 88-89. [[Медиа:idp20.pdf|Сборник тезисов конференции ИОИ-13]].
 +
# ''Григорьев А.Д., Гнеушев А.Н.'' Слежение за множеством объектов на видео изображениях с помощью ре-идентификации с предфильтрацией дескрипторов по качеству // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 433-434. [[Медиа:idp20.pdf|Сборник тезисов конференции ИОИ-13]].
 +
# ''Самсонов Н.А., Гнеушев А.Н., Матвеев И.А.'' Построение нейросетевого классификатора в пространстве дескрипторов преобразования Радона для эффективного детектирования пешеходов // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 90-91. [[Медиа:idp20.pdf|Сборник тезисов конференции ИОИ-13]].
#{{книга
#{{книга
-
|автор = Никита Самсонов.
+
|автор = Samsonov N.A., Gneushev A.N., Matveev I.A.
-
|заглавие = Разработка метода построения текстурных признаков в аккумуляторном пространстве Хафа для задачи обнаружения пешехода на изображении
+
|часть = Training a Classifier by Descriptors in the Space of the Radon Transform
-
|издательство = МФТИ
+
|заглавие = Journal of Computer and Systems Sciences International
-
|год = 2017
+
|год = 2020
 +
|том = Vol.59, No.3
 +
|страницы = 415–429
 +
|ссылка = https://rdcu.be/b5z2X
 +
}}
 +
#{{книга
 +
|автор = Гнеушев А.Н., Матвеев И.А., Самсонов Н.А.
 +
|часть = Обучение классификатора на дескрипторах в пространстве преобразования Радона
 +
|заглавие = Изв. РАН. ТиСУ
 +
|год = 2020
 +
|том = № 3
 +
|страницы = 111–125
 +
|ссылка = https://sciencejournals.ru/view-article/?j=teorsist&y=2020&v=0&n=3&a=TeorSist2003005Gneushev
 +
}}
 +
#{{книга
 +
|автор = Samsonov N.A., Gneushev A.N., Matveev I.A.
 +
|часть = Hough Accumulator Histograms with Fully Connected Network for pedestrian detection
 +
|заглавие = Situation, language, speech. Models and applications: 1st Int. Conf. Moscow, Russia – Rome, Italy, 2019
 +
|год = 2019
 +
|ссылка = https://www.researchgate.net/publication/336855713_Hough_Accumulator_Histograms_with_Fully_Connected_Network_for_pedestrian_detection
 +
}}
 +
#{{книга
 +
|автор = Таранов С.К., Гнеушев А.Н.
 +
|часть = Метод агрегации признаков для представления множества изображений лица в задаче распознавания личности
 +
|заглавие = Ситуация, язык, речь: модели и приложения: Тезисы докладов 2-й Международной конференции (Москва, Россия — Рим, Италия, 2019г).
 +
|место = M.
 +
|издательство = РУДН
 +
|год = 2019
 +
|ссылка = https://www.researchgate.net/publication/340772072_Metod_agregacii_priznakov_dla_predstavlenia_mnozestva_izobrazenij_lica_v_zadace_raspoznavania_licnosti
 +
}}
 +
#{{книга
 +
|автор = Самсонов Н.А., Гнеушев А.Н., Матвеев И.А.
 +
|часть = Детектирование пешеходов с помощью нейросетевого классификатора по дескрипторам в аккумуляторном пространстве Хафа
 +
|заглавие = Ситуация, язык, речь: модели и приложения: Тезисы докладов 2-й Международной конференции (Москва, Россия — Рим, Италия, 2019г)
 +
|место = M.
 +
|издательство = РУДН
 +
|год = 2019
 +
|страницы = 54
 +
|ссылка = https://www.researchgate.net/publication/340772141_Detektirovanie_pesehodov_s_pomosu_nejrosetevogo_klassifikatora_po_deskriptoram_v_akkumulatornom_prostranstve_Hafa
 +
}}
 +
#{{книга
 +
|автор = Гнеушев А.Н., Самсонов Н.А.
 +
|часть = Метод проекций в пространстве лучевого преобразования Радона для детектирования пешеходов
 +
|заглавие = Интеллектуализация обработки информации: Тезисы докладов 12-й Международной конференции (Москва, Россия — Гаэта, Италия, 2018)
 +
|место = M.
 +
|издательство = ТОРУС ПРЕСС
 +
|год = 2018
 +
|страницы = 108
 +
|ссылка = https://www.researchgate.net/publication/331101572_The_method_of_projections_in_the_Radon_ray_transform_space_for_pedestrian_detection
 +
}}
 +
#{{книга
 +
|автор = Гнеушев А.Н., Гурченков А.А., Мороз И.И.
 +
|часть = Прямой метод оценки параметров двусегментной кусочно-логистической кривой
 +
|заглавие = Вестник МГТУ им. Н.Э. Баумана. Серия «Приборостроение»
 +
|год = 2018
 +
|том = № 1(118)
 +
|страницы = 31 - 48
 +
|ссылка = http://vestnikprib.ru/articles/1076/1076.pdf
}}
}}
-
 
-
== Публикации ==
 
#{{книга
#{{книга
|автор = Самсонов Н.А., Гнеушев А.Н.
|автор = Самсонов Н.А., Гнеушев А.Н.
Строка 79: Строка 177:
|часть = Оптимизация выбора биометрического эталона из последовательности
|часть = Оптимизация выбора биометрического эталона из последовательности
|заглавие = Известия Академии Наук. Теория и системы управления
|заглавие = Известия Академии Наук. Теория и системы управления
-
|год = 2015 №3
+
|год = 2015
 +
|том = № 3
|страницы = 72–78
|страницы = 72–78
}}
}}
Строка 86: Строка 185:
|часть = Cегментация изображения радужки глаза, основанная на приближенных методах с последующими уточнениями
|часть = Cегментация изображения радужки глаза, основанная на приближенных методах с последующими уточнениями
|заглавие = Известия Академии Наук. Теория и системы управления
|заглавие = Известия Академии Наук. Теория и системы управления
-
|год = 2014 №2
+
|год = 2014
 +
|том = № 2
|страницы = 80-94
|страницы = 80-94
}}
}}
Строка 93: Строка 193:
|часть = Оптимизация текстурно-геометрической модели изображения для оценивания параметров лица
|часть = Оптимизация текстурно-геометрической модели изображения для оценивания параметров лица
|заглавие = Автоматика и телемеханика
|заглавие = Автоматика и телемеханика
-
|год = 2012 №1
+
|год = 2012
 +
|том = № 1
|страницы = 159-168
|страницы = 159-168
|ссылка = http://www.mathnet.ru/php/archive.phtml?wshow=paper&jrnid=at&paperid=3601&option_lang=rus
|ссылка = http://www.mathnet.ru/php/archive.phtml?wshow=paper&jrnid=at&paperid=3601&option_lang=rus
Строка 112: Строка 213:
|часть = Построение и оптимизация текстурно-геометрической модели изображения лица в пространстве базисных функций Габора.
|часть = Построение и оптимизация текстурно-геометрической модели изображения лица в пространстве базисных функций Габора.
|заглавие = Известия Академии Наук. Теория и системы управления
|заглавие = Известия Академии Наук. Теория и системы управления
-
|год = 2007 №3
+
|год = 2007
 +
|том = № 3
|страницы = 85-96
|страницы = 85-96
|ссылка = https://www.researchgate.net/publication/331048883_Postroenie_i_optimizacia_teksturno-geometriceskoj_modeli_izobrazenia_lica_v_prostranstve_bazisnyh_funkcij_Gabora
|ссылка = https://www.researchgate.net/publication/331048883_Postroenie_i_optimizacia_teksturno-geometriceskoj_modeli_izobrazenia_lica_v_prostranstve_bazisnyh_funkcij_Gabora
Строка 130: Строка 232:
|часть = Система для оценки скорости транспортных средств по контурным признакам в режиме реального времени
|часть = Система для оценки скорости транспортных средств по контурным признакам в режиме реального времени
|заглавие = Известия Академии Наук. Теория и системы управления
|заглавие = Известия Академии Наук. Теория и системы управления
-
|год = 2005 №1
+
|год = 2005
 +
|том = № 1
|страницы = 133-143
|страницы = 133-143
|ссылка = https://www.researchgate.net/publication/331048864_Sistema_dla_ocenki_skorosti_transportnyh_sredstv_po_konturnym_priznakam_v_rezime_realnogo_vremeni
|ссылка = https://www.researchgate.net/publication/331048864_Sistema_dla_ocenki_skorosti_transportnyh_sredstv_po_konturnym_priznakam_v_rezime_realnogo_vremeni
Строка 138: Строка 241:
|часть = Адаптивный градиентный метод выделения контурных признаков объектов на изображениях реальных сцен
|часть = Адаптивный градиентный метод выделения контурных признаков объектов на изображениях реальных сцен
|заглавие = Известия Академии Наук. Теория и системы управления
|заглавие = Известия Академии Наук. Теория и системы управления
-
|год = 2003 №6
+
|год = 2003
 +
|том = № 6
|страницы = 128-135
|страницы = 128-135
|ссылка = https://www.researchgate.net/publication/331000960_Adaptivnyj_gradientnyj_metod_vydelenia_konturnyh_priznakov_obektov_na_izobrazeniah_realnyh_scen
|ссылка = https://www.researchgate.net/publication/331000960_Adaptivnyj_gradientnyj_metod_vydelenia_konturnyh_priznakov_obektov_na_izobrazeniah_realnyh_scen

Версия 19:58, 4 января 2023


Содержание

Alexander Gneushev

Гнеушев Александр Николаевич

к.ф.-м.н.

ст. преподаватель каф. «Интеллектуальные системы» ФУПМ МФТИ, Вычислительный центр им. А.А. Дородницына ФИЦ ИУ РАН.

Мне можно написать письмо



Научные интересы

  • Обработка и анализ изображений
  • Математические модели и методы в задачах выделения признаков, обнаружения, сегментации и классификации объектов на видео изображениях
  • Нейросетевые модели анализа изображений, методы регуляризации обучения нейросетевых моделей
  • Распознавание образов и биометрическая идентификация

Прикладные проекты

  • Методы моделирования и регуляризация обучения сверточных нейронных сетей для анализа изображений, задач классификации, сегментации, детектирования объектов.
  • Анализ дорожной сцены, городской среды, детектирование пешеходов и событий
  • Сверхразрешение и реставрация изображений

  • Идентификация личности по лицу на изображении и ре-идентификация при слежении
  • Биометрическая идентификация по радужной оболочке глаза
  • Выделение элементов лица на изображении и слежения за ними
  • Оценка скорости транспортных средств, классификация типов ТС

Аспиранты и студенты

Аспиранты
  • Никита Самсонов (ФИЦ)
  • Дмитрий Карелин (ФИЦ)
  • Сергей Таранов (МФТИ)
  • Денис Нарцев (МФТИ)
  • Григорьев Алексей (МФТИ)
Магистры
Бакалавры
  • Алина Орешина
  • Дмитрий Николотов
  • Елизавета Малышева
  • Никита Истомин
  • Артемий Захаров

  • Степан Сыроваткин


Бакалаврские диссертации

  1. Щербак Игорь. Построение моделей сверточных ядер нейронной сети для задачи классификации объектов на изображении. 2021. МФТИ
  2. Котов Александр. Разработка методов сверхразрешения изображений заданного класса объектов с помощью выделения локальных признаков. 2021. МФТИ
  3. Ивченков Ярослав. Разработка нейросетевой модели на основе ДКП ядер в задаче детектирования объектов на изображении. 2020. МФТИ.
  4. Нарцев Денис. Разработка нейросетевой модели и ее обучение для уточнения положения и ориентации лица на изображении в задаче распознавания личности в неконтролируемых условиях съемки. 2020. МФТИ.
  5. Григорьев Алексей. Оценивание параметров в задаче слежения за множеством объектов в видеопотоке. 2020. МФТИ.
  6. Сергей Таранов. Разработка метода агрегации признаков для компактного представления множества изображений лица в задаче распознавания личности. 2019. МФТИ.
  7. Никита Самсонов. Разработка метода построения текстурных признаков в аккумуляторном пространстве Хафа для задачи обнаружения пешехода на изображении. 2017. МФТИ.

Магистерские диссертации

  1. Григорьев Алексей. Регуляризация нейросетевого слоя путем построения фрейма в пространстве параметров. 2022. МФТИ
  2. Нарцев Денис. Нейросетевые модели оценки параметров объектов на изображении. 2022. МФТИ
  3. Таранов Сергей. Разработка нейросетевой модели на основе декомпозиции обучения в пространстве признаков для задачи распознавания лиц на изображениях. 2021. МФТИ
  4. Никита Самсонов. Метод проекций в пространстве лучевого преобразования Радона для детектирования пешеходов. 2019. МФТИ.

Основные публикации

  1. Таранов С.К., Гнеушев А.Н. Декомпозиции обучения в пространстве признаков для задачи распознавания лиц на изображениях // Интеллектуализация обработки информации: Тезисы докладов 14-й Международной конференции, г. Москва, 2022, M: РАН, 2022. С. 140-145. Сборник тезисов конференции ИОИ-14.
  2. Гнеушев А. Н., Григорьев А. Д., Матвеев И.А. Фреймовая регуляризация сверточной нейронной сети в задачах классификации изображений // Известия Академии Наук. Теория и системы управления. — 2022. — № 6. — С. 143–153. (Grigoriev A.D., Gneushev A.N., Matveev I.A. Frame Regularization of a Convolutional Neural Network in Image-Classification Problems // Journal of Computer and Systems Sciences International. 2022. V.61. N.6. P.1020-1030)
  3. Nartsev D.Y., Gneushev A.N., Matveev I.A. Adam Adaptive Optimization Method for Neural Network Models Regression in Image Recognition Tasks, In: Vasant P, Munapo E., Thomas J.J., Weber G-W. (Eds.) Artificial Intelligence in Industry 4.0 and 5G Technology, Wiley, 2022, ISBN: 978-1-119-79877-4, DOI: 10.1002/9781119798798.ch7 | abstract.
  4. Grigorev A.D., Gneushev A.N., Litvinchev I. Re-Identification-Based Models for Multiple Object Tracking, In: Vasant P, Munapo E., Thomas J.J., Weber G-W. (Eds.) Artificial Intelligence in Industry 4.0 and 5G Technology, Wiley, 2022, ISBN: 978-1-119-79877-4, DOI: 10.1002/9781119798798.ch15 | abstractbooks.google
  5. Григорьев А.Д., Гнеушев А.Н. Регуляризация параметров нейронной сети на основе неравенства Рисса // Математические методы распознавания образов: Тезисы докладов 20-й Всероссийской конференции с международным участием, г. Москва, 2021, М.: Российская академия наук, 2021. С. 121-122. Сборник тезисов конференции ММРО-20.
  6. Нарцев Д. Ю., Гнеушев А.Н. Сравнение модифицированных методов обучения Adam в задачах оценки параметров регрессионных моделей по изображению // Информационные технологии. - М. : Новые технологии, 2021.- Т. 27, № 9 - C. 461-469. | сайт издательства.
  7. Григорьев А. Д., Гнеушев А. Н. Реидентификация с предфильтрацией по качеству изображений в задаче слежения за множеством объектов // Информационные технологии. – М.: Новые технологии, 2021. – Т. 27, № 8. – C. 409–418. | сайт издательства.
  8. Нарцев Д., Гнеушев А.Н. Оптимизация регрессионных нейросетевых моделей прямой оценки параметров объектов на изображениях модифицированными методами Adam // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 88-89. Сборник тезисов конференции ИОИ-13.
  9. Григорьев А.Д., Гнеушев А.Н. Слежение за множеством объектов на видео изображениях с помощью ре-идентификации с предфильтрацией дескрипторов по качеству // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 433-434. Сборник тезисов конференции ИОИ-13.
  10. Самсонов Н.А., Гнеушев А.Н., Матвеев И.А. Построение нейросетевого классификатора в пространстве дескрипторов преобразования Радона для эффективного детектирования пешеходов // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 90-91. Сборник тезисов конференции ИОИ-13.
  11. Samsonov N.A., Gneushev A.N., Matveev I.A. Training a Classifier by Descriptors in the Space of the Radon Transform // Journal of Computer and Systems Sciences International. — 2020 T. Vol.59, No.3. — С. 415–429.
  12. Гнеушев А.Н., Матвеев И.А., Самсонов Н.А. Обучение классификатора на дескрипторах в пространстве преобразования Радона // Изв. РАН. ТиСУ. — 2020 T. № 3. — С. 111–125.
  13. Samsonov N.A., Gneushev A.N., Matveev I.A. Hough Accumulator Histograms with Fully Connected Network for pedestrian detection // Situation, language, speech. Models and applications: 1st Int. Conf. Moscow, Russia – Rome, Italy, 2019. — 2019.
  14. Таранов С.К., Гнеушев А.Н. Метод агрегации признаков для представления множества изображений лица в задаче распознавания личности // Ситуация, язык, речь: модели и приложения: Тезисы докладов 2-й Международной конференции (Москва, Россия — Рим, Италия, 2019г).. — M.: РУДН, 2019.
  15. Самсонов Н.А., Гнеушев А.Н., Матвеев И.А. Детектирование пешеходов с помощью нейросетевого классификатора по дескрипторам в аккумуляторном пространстве Хафа // Ситуация, язык, речь: модели и приложения: Тезисы докладов 2-й Международной конференции (Москва, Россия — Рим, Италия, 2019г). — M.: РУДН, 2019. — С. 54.
  16. Гнеушев А.Н., Самсонов Н.А. Метод проекций в пространстве лучевого преобразования Радона для детектирования пешеходов // Интеллектуализация обработки информации: Тезисы докладов 12-й Международной конференции (Москва, Россия — Гаэта, Италия, 2018). — M.: ТОРУС ПРЕСС, 2018. — С. 108.
  17. Гнеушев А.Н., Гурченков А.А., Мороз И.И. Прямой метод оценки параметров двусегментной кусочно-логистической кривой // Вестник МГТУ им. Н.Э. Баумана. Серия «Приборостроение». — 2018 T. № 1(118). — С. 31 - 48.
  18. Самсонов Н.А., Гнеушев А.Н. Дескриптор в аккумуляторном пространстве Хафа градиентного поля изображения для детектирования пешеходов // Машинное обучение и аннализ данных. — 2017 T. 3, №3. — С. 203-215.
  19. Гнеушев А.Н., Ковков Д.В., Матвеев И.А., Новик В.П. Оптимизация выбора биометрического эталона из последовательности // Известия Академии Наук. Теория и системы управления. — 2015 T. № 3. — С. 72–78.
  20. Ганькин К.А., Гнеушев А.Н., Матвеев И.А. Cегментация изображения радужки глаза, основанная на приближенных методах с последующими уточнениями // Известия Академии Наук. Теория и системы управления. — 2014 T. № 2. — С. 80-94.
  21. Гнеушев А.Н. Оптимизация текстурно-геометрической модели изображения для оценивания параметров лица // Автоматика и телемеханика. — 2012 T. № 1. — С. 159-168.
  22. Гнеушев А.Н. Представление изображений заданного класса деформируемых объектов в пространстве базисных функций // Динамика неоднородных систем. Труды ИСА РАН. — M.: Издательство ЛКИ, 2007. — T. 31(1). — С. 254-260.
  23. Гнеушев А.Н. Построение и оптимизация текстурно-геометрической модели изображения лица в пространстве базисных функций Габора. // Известия Академии Наук. Теория и системы управления. — 2007 T. № 3. — С. 85-96.
  24. Гнеушев А.Н. Локализация элементов лица путем оптимизации разложения изображения по базисным функциям Габора // Теоретические и прикладные задачи нелинейного анализа. — M.: ВЦ РАН, 2005. — С. 185-196.
  25. Гнеушев А.Н. Система для оценки скорости транспортных средств по контурным признакам в режиме реального времени // Известия Академии Наук. Теория и системы управления. — 2005 T. № 1. — С. 133-143.
  26. Гнеушев А.Н., Мурынин А.Б. Адаптивный градиентный метод выделения контурных признаков объектов на изображениях реальных сцен // Известия Академии Наук. Теория и системы управления. — 2003 T. № 6. — С. 128-135.

Ссылки

Algneushev/CVAlgneushev/Заметки
Личные инструменты