DSpace Collection:https://sci.ldubgd.edu.ua/jspui/handle/123456789/10262026-04-07T04:18:42Z2026-04-07T04:18:42ZВикористання згорткових нейронних мереж для розпізнавання полумя у відеопотоціМаксимів, Олексій ПетровичРак, Тарас ЄвгеновичПелешко, Д.Д.Меньшикова, Ольга Володимирівнаhttps://sci.ldubgd.edu.ua/jspui/handle/123456789/35012017-02-01T12:57:20Z2016-01-01T00:00:00ZTitle: Використання згорткових нейронних мереж для розпізнавання полумя у відеопотоці
Authors: Максимів, Олексій Петрович; Рак, Тарас Євгенович; Пелешко, Д.Д.; Меньшикова, Ольга Володимирівна2016-01-01T00:00:00ZDEEP CONVOLUTIONAL NETWORK FOR DETECTING PROBABLE EMERGENCY SITUATIONSMaksymiv, O.P.Rak, T.Je.Menshykova, Olhahttps://sci.ldubgd.edu.ua/jspui/handle/123456789/35002021-06-16T08:17:04Z2016-01-01T00:00:00ZTitle: DEEP CONVOLUTIONAL NETWORK FOR DETECTING PROBABLE EMERGENCY SITUATIONS
Authors: Maksymiv, O.P.; Rak, T.Je.; Menshykova, Olha
Abstract: Paper describes the developed approaches to
detecting emergency situations that primed based on color
segmentation, frame difference and deep convolutional
networks. The main objective was to test the interaction of
computer vision traditional methods, combined with
modern methods of machine learning. Experimentally
proved that detection quality for the combination of such
methods is 96.7%. In this work, in particular, was developed
own images dataset with emergencies and conducted
comparison of neural networks AlexNet and GoogLeNet.2016-01-01T00:00:00ZVideo-based Flame Detection using LBP-based Descriptor: Influences of Classifiers Variety on Detection EfficiencyMaksymiv, O.P.Rak, T.Je.Peleshko, D.D.https://sci.ldubgd.edu.ua/jspui/handle/123456789/34992017-02-01T12:52:28Z2016-01-01T00:00:00ZTitle: Video-based Flame Detection using LBP-based Descriptor: Influences of Classifiers Variety on Detection Efficiency
Authors: Maksymiv, O.P.; Rak, T.Je.; Peleshko, D.D.
Abstract: Techniques to detect the flame at an early stage are necessary in order to prevent the fire and minimize the damage. The flame detection technique based on the physical sensor has limited disadvantages in detecting the fire early. This paper presents the results of using local binary patterns for solving flames detecting problem and proposes modifications to improve the quality of detector work. Experimentally found that using support vector machines classifier with a kernel based on Gaussian radial basis functions shows the best results compared to other SVM cores or classifier k-nearest neighbors.2016-01-01T00:00:00ZАналітичний огляд методів детектування вогню за допомогою засобів комп’ютерного зоруМаксимів, Олексій ПетровичРак, Тарас ЄвгеновичПелешко, Д.Д.https://sci.ldubgd.edu.ua/jspui/handle/123456789/34982017-02-01T12:50:07Z2016-01-01T00:00:00ZTitle: Аналітичний огляд методів детектування вогню за допомогою засобів комп’ютерного зору
Authors: Максимів, Олексій Петрович; Рак, Тарас Євгенович; Пелешко, Д.Д.
Abstract: Здійснено аналітичний огляд сучасних методів детектування вогню за допомогою за-
собів комп'ютерного зору. Внаслідок проведеної роботи виявлено, що на сьогодні проблема розроблення системи детектування полум'я є актуальною та потребує подальших досліджень. Представлено порівняльний аналіз ефективності роботи окремо взятих методів та відзначено проблематичні моменти, які зумовлюють зниження якості детектування. Наведено перспективні напрямки розвитку алгоритмів, які, на нашу думку, дають змогу значною мірою покращити ефективність системи детектування полум'я.2016-01-01T00:00:00Z