REVIEW OF EFFECTIVE IMAGE SEGMENTATION USING DATA CLUSTERING METHODS
ID елемента: 22593
2026/05/05
Цитування
eNUPPIR (). REVIEW OF EFFECTIVE IMAGE SEGMENTATION USING DATA CLUSTERING METHODS. https://enuppir.politeh.duckdns.org/item/22593
eNUPPIR. "REVIEW OF EFFECTIVE IMAGE SEGMENTATION USING DATA CLUSTERING METHODS." Web. . <https://enuppir.politeh.duckdns.org/item/22593>.
eNUPPIR. "REVIEW OF EFFECTIVE IMAGE SEGMENTATION USING DATA CLUSTERING METHODS." Accessed . https://enuppir.politeh.duckdns.org/item/22593.
Скопійовано в буфер обміну
Властивості
Назва
Англійська
REVIEW OF EFFECTIVE IMAGE SEGMENTATION USING DATA CLUSTERING METHODS
Російська
.
Українська
ОГЛЯД ЗАСОБІВ ЕФЕКТИВНОЇ СЕГМЕНТАЦІЇ ЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ МЕТОДІВ КЛАСТЕРИЗАЦІЇ ДАНИХ
Опис
Англійська
Relevance. For many decades, people have dreamt of creating machines that could match human intelligence, capable of thinking and acting like humans. One of the most fascinating ideas was to enable computers to "see" and interpret the surrounding world in a way that is comprehensible to them. Thanks to progress in the field of artificial intelligence and innovations in deep learning and neural networks, this area has made a significant leap in recent years, surpassing humans in some tasks related to object detection and labeling. The purpose of this work is to review and comparatively analyze existing image segmentation tools, particularly those using data clustering methods. The object of research is image segmentation algorithms, which are key in the field of computer vision for object recognition and analysis. The subject of research is the specific use of clustering methods in these algorithms, their effectiveness, and accuracy. Results. This paper conducts a review and comparative analysis of the main methods of data clustering. It highlights 3 of the most common and promising algorithms for improvement. For each of them, the working principle is briefly described, and their main advantages and disadvantages are highlighted. Conclusion. Among the methods considered, there is no best universal choice, as the effectiveness of each depends on the specific task. The described algorithms are planned to be used for their further research and modifications.
Російська
70-74
Українська
Актуальність. Протягом багатьох десятиліть люди мріяли створити машини, які могли б зрівнятись по характеристикам з людським інтелектом та мислити й діяти як люди. Однією з найцікавіших ідей було дати комп’ютерам можливість «бачити» та інтерпретувати навколишній світ у зручний для розуміння комп’ютером. Завдяки прогресу в галузі штучного інтелекту, інноваціям в області deep learning та нейронних мережах ця сфера змогла зробити значний стрибок за останні роки та перевершити людей у деяких задачах, пов’язаних із виявленням та маркуванням об’єктів. Метою даної роботи є розгляд та порівняльний аналіз існуючих засобів сегментації зображень, зокрема, з використанням методів кластеризації. Об’єктом дослідження виступають алгоритми сегментації зображень, які є ключовими у сфері комп'ютерного зору для розпізнавання та аналізу об'єктів. Предметом дослідження є конкретне використання методів кластеризації в цих алгоритмах, їх ефективність та точність. Результати. У даній роботі проведено розгляд та порівняльний аналіз основних методів кластеризації даних. Виявлено 3 найпоширеніші та найперспективніші для покращення алгоритми. Для кожного з них описано принцип роботи, виділено їх головні переваги та недоліки. Висновок. Серед розглянутих методів немає найкращого універсального вибору, оскільки ефективність кожного з них залежить від конкретної задачі. Описані алгоритми плануються бути використані для їх подальших досліджень та модифікацій.
Автор
Українська
Zaitsev, Dmytro
Українська
Filimonchuk, Tetiana
Українська
Huk, Artem
Українська
Maistrenko, Halyna
Тематика
Англійська
clustering
Англійська
segmentation
Англійська
computer vision
Англійська
image processing
Англійська
artificial vision
Російська
16
Українська
кластеризація
Українська
сегментація
Українська
комп’ютерний зір
Українська
обробка зображень
Українська
штучний зір
Видавництво
Українська
Національний університет «Полтавська політехніка імені Юрія Кондратюка»
Тип
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Українська
Рецензована Стаття
Формат
application/pdf
Ідентифікатор
https://journals.nupp.edu.ua/sunz/article/view/3272
10.26906/SUNZ.2024.1.077
Джерело
Англійська
Control, Navigation and Communication Systems. Academic Journal; Vol. 1 No. 75 (2024): Control, Navigation and Communication Systems; 77-81
Російська
Системы управления, навигации и связи. Сборник научных трудов; Том 1 № 75 (2024): Системи управління, навігації та зв’язку; 77-81
Українська
Системи управління, навігації та зв’язку. Збірник наукових праць; Том 1 № 75 (2024): Системи управління, навігації та зв’язку; 77-81
2073-7394
10.26906/SUNZ.2024.1
2024. №1 (75)
Мова
uk
Відношення
https://journals.nupp.edu.ua/sunz/article/view/3272/2694
Права
Українська
Авторське право (c) 2024 Dmytro Zaitsev, Tetiana Filimonchuk, Artem Huk, Halyna Maistrenko
Інформація про метадані
Створено
2026-5-5 12:56
Остання зміна
2026-5-5 12:56
ID елемента
#22593