Andere Kunden interessierten sich auch für
![Issledowanie usowershenstwowannyh modelej ML i DL dlq obnaruzheniq moshennichestwa s kreditnymi kartami]( "Issledowanie usowershenstwowannyh modelej ML i DL dlq obnaruzheniq moshennichestwa s kreditnymi kartami")
Issledowanie usowershenstwowannyh modelej ML i DL dlq obnaruzheniq moshennichestwa s kreditnymi kartami51,99 €![Srawnitel'nyj analiz metodow obnaruzheniq wredonosnogo PO]( "Srawnitel'nyj analiz metodow obnaruzheniq wredonosnogo PO")
Srawnitel'nyj analiz metodow obnaruzheniq wredonosnogo PO13,99 €![PLAMEN': podhod na osnowe glubokogo obucheniq dlq obnaruzheniq ognq i dyma w real'nom wremeni]( "PLAMEN': podhod na osnowe glubokogo obucheniq dlq obnaruzheniq ognq i dyma w real'nom wremeni")
PLAMEN': podhod na osnowe glubokogo obucheniq dlq obnaruzheniq ognq i dyma w real'nom wremeni39,99 €![Sistema obnaruzheniq wtorzhenij na osnowe glubokogo obucheniq]( "Sistema obnaruzheniq wtorzhenij na osnowe glubokogo obucheniq")
Sistema obnaruzheniq wtorzhenij na osnowe glubokogo obucheniq16,99 €![Raspoznawanie i detekciq lic na osnowe CNN s uchetom osobennostej cheloweka]( "Raspoznawanie i detekciq lic na osnowe CNN s uchetom osobennostej cheloweka")
Raspoznawanie i detekciq lic na osnowe CNN s uchetom osobennostej cheloweka13,99 €![DeepCOPD: obnaruzhenie HOBL s pomosch'ü glubokogo obucheniq]( "DeepCOPD: obnaruzhenie HOBL s pomosch'ü glubokogo obucheniq")
DeepCOPD: obnaruzhenie HOBL s pomosch'ü glubokogo obucheniq29,99 €![Uma análise comparativa das variantes LBP para a deteção de adulteração de imagens]( "Uma análise comparativa das variantes LBP para a deteção de adulteração de imagens")
Uma análise comparativa das variantes LBP para a deteção de adulteração de imagens29,99 €
V dannoj dissertacii rassmatriwaetsq ispol'zowanie lokal'nyh binarnyh patternow (LBP) i konwolücionnyh nejronnyh setej (CNN) dlq obnaruzheniq fal'sifikacii izobrazhenij, kotoraq stanowitsq wse bolee rasprostranennoj problemoj w sowremennom cifrowom mire. Putem srawnitel'nogo analiza chetyreh wariantow LBP s ispol'zowaniem nabora dannyh CASIA-2.0, on ob#edinqet texturnye deskriptory LBP s CNN dlq powysheniq tochnosti i nadezhnosti. Metodika wklüchaet w sebq sozdanie lokal'nyh texturnyh deskriptorow s pomosch'ü LBP i ih podachu w arhitekturu CNN, obuchennuü klassificirowat' izobrazheniq kak poddel'nye ili podlinnye. Nesmotrq na takie problemy, kak slozhnost' wychislenij, issledowanie naceleno na sozdanie nadezhnoj sistemy obnaruzheniq nesankcionirowannogo dostupa, primenimoj w razlichnyh real'nyh scenariqh. Primechatel'no, chto Uniform LBP demonstriruet prewoshodnuü proizwoditel'nost' kak wo wremq obucheniq, tak i wo wremq testirowaniq, dostigaq tochnosti i F1-score bolee 97 % pri obnaruzhenii fal'sifikacii izobrazhenij, chto podtwerzhdaet äffektiwnost' podhoda.