Издательство
Каталог
Авторам
Рекламодателям
КонтактыВНИМАНИЕ!
Новый адрес редакций журналов Колодезный пер., 2 А.
ООО «Издательство «Инновационное машиностроение»
- КНИГИ Прайс-лист
- ЖУРНАЛЫ Прайс-лист
Книги и журналы, просмотренные ранее
Статьи автора
К последнему номеру журналаВсе статьи автора в журнале: Парфентьев К.В.
- Обнаружение движущихся объектов в кадре по методу вычисления оптического потока Лукаса − КанадеDetection of moving objects in the frame by calculation method of the Lucas — Kanade optical flowАвторы статьиAuthorsПименова М.Б.Pimenova M.B.Парфентьев К.В.Parfentev K.V.pimenovamb@student.bmstu.ru; parfentiev@bmstu.rupimenovamb@student.bmstu.ru; parfentiev@bmstu.ru
Обнаружение движущихся объектов в кадре по методу вычисления оптического потока Лукаса − Канаде
УДК 681.5
Описан процесс определения направления движения объектов с использованием метода вычисления оптического потока Лукаса − Канаде на съёмке в режиме реального времени. Выявлены основные преимущества и недостатки рассмотренного подхода. Повышенная чувствительность к изменениям освещённости сцены и резким сдвигам объекта в кадре свидетельствуют о необходимости дальнейшей модификации алгоритма и повышения его надёжности посредством использования частных производных более высокого порядка или комбинирования метода с другими алгоритмами. Описан иерархический подход, основанный на построении гауссовой пирамиды масштабов. Указаны перспективные направления развития и области применения метода Лукаса −Канаде.
Ключевые слова
метод Лукаса − Канаде; оптический поток; компьютерное зрение; видеотрекинг; multi-scaling; пирамида Гаусса; детектирование
Detection of moving objects in the frame by calculation method of the Lucas — Kanade optical flow
The determining process of the objects movement direction by using the calculation method of the Lucas − Kanade optical flow when shooting in real time is described. The main advantages and disadvantages of the considered approach are revealed. The increased sensitivity to changes in the illumination of the scene and abrupt shifts of the object in the frame indicate of the need for further modification of the algorithm and increase its reliability by using higher order partial derivatives or combining the method with other algorithms. A hierarchical approach based on the construction of a Gaussian scale pyramid is described. The promising directions of development and application areas of the Lucas − Kanade method are indicated.
Keywords
Lucas − Kanade method; optical flow; computer vision; video tracking; multi scaling; Gaussian pyramid; detection
- Формирование псевдослучайных последовательностей на основе нейросетевых генеративных моделей с механизмом вниманияFormation of pseudorandom sequences based on neural network generative models with an attention mechanismАвторы статьиAuthorsПарфентьев К.В.Parfentev K.V.Парфентьева К.В.Parfenteva K.V.parfentiev@bmstu.ruparfentiev@bmstu.ru
Формирование псевдослучайных последовательностей на основе нейросетевых генеративных моделей с механизмом внимания
УДК 004.855.5
DOI: 10.36652/0869-4931-2025-79-7-321-325
Рассмотрена задача алгоритмической генерации псевдослучайных последовательностей. Для их улучшения предлагается использовать сочетание генеративно-предсказательного подхода (модификация генеративно-состязательных нейронных сетей, которые хорошо показывают себя в генерации изображений) и механизма внимания, который используется в больших языковых моделях для генерации текста. Согласно проведенным экспериментам, этот подход позволил улучшить долю последовательностей, прошедших проверку на случайность, на 3,5 %, а среднюю вероятность наблюдения тестовой статистики на 16 %.
Ключевые слова
искусственные нейронные сети, генеративно-предсказательные сети, нейронные сети-трансформеры, механизм внимания, генерация псевдослучайных последовательностей
Formation of pseudorandom sequences based on neural network generative models with an attention mechanism
The algorithmic generationproblem of pseudorandom sequences is considered. To improve them, it is proposed to use a combination of a generative-predictive approach (a modification of generative-adversarial neural networks that show good results in generating images) and an attention mechanism that is used in large language models for generating text. According to the conducted experiments, this approach allowed to improve the proportion of sequences that passed the randomness test by 3.5 %, and the average probability of observing test statistics by 16 %.
Keywords
artificial neural networks, generative-predictive networks, neural networks-transformers, attention mechanism, generation of pseudo-random sequences
