Участник:Algneushev

Материал из MachineLearning.

Перейти к: навигация, поиск


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

  • Степан Сыроваткин
Бакалавры


Бакалаврские диссертации

  1. Сыроваткин Степан. Построение методов регуляризации при переносе знаний в глубоких слоях сверточных нейронных сетей в задаче классификации изображений. 2023. МФТИ
  2. Орешина Алина. Извлечение слотов в диалогах по нескольким примерам. 2023. МФТИ
  3. Николотов Дмитрий. Построение многомасштабных моделей свёрточных ядер нейросетей на основе локальных дескрипторов интегрального изображения. 2023. МФТИ
  4. Малышева Елизавета. Исследование обобщающей способности и структуры ортогональных свёрточных нейросетей в задаче классификации изображений. 2023. МФТИ
  5. Истомин Никита. Исследование моделей трансформеров в задаче фильтрации шума и восстановления изображений. 2023. МФТИ
  6. Захаров Артемий. Построение свёрточной нейронной сети локального преобразования Хафа для задачи бинарной классификации. 2023. МФТИ
  7. Щербак Игорь. Построение моделей сверточных ядер нейронной сети для задачи классификации объектов на изображении. 2021. МФТИ
  8. Котов Александр. Разработка методов сверхразрешения изображений заданного класса объектов с помощью выделения локальных признаков. 2021. МФТИ
  9. Ивченков Ярослав. Разработка нейросетевой модели на основе ДКП ядер в задаче детектирования объектов на изображении. 2020. МФТИ.
  10. 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.
  11. Григорьев Алексей. Оценивание параметров в задаче слежения за множеством объектов в видеопотоке. 2020. МФТИ.
  12. Сергей Таранов. Разработка метода агрегации признаков для компактного представления множества изображений лица в задаче распознавания личности. 2019. МФТИ.
  13. 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