Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/47022
Title: Метод генерации синтетического набора данных для задач машинного обучения
Other Titles: Method for synthetic dataset generation for machine learning tasks
Authors: Лукашевич, М. М.
Макаров, А. Н.
Филиппов, Н. Ю.
Keywords: материалы конференций;машинное обучение;синтетические данные;machine learning;synthetic data
Issue Date: 2022
Publisher: Бестпринт
Citation: Лукашевич, М. М. Метод генерации синтетического набора данных для задач машинного обучения / М. М. Лукашевич, А. Н. Макаров, Н. Ю. Филиппов // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научный статей VIII Международной научно-практической конференции, Минск, 11-12 мая 2022 года / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2022. – С. 431–439.
Abstract: В работе рассмотрены источники данных для задач машинного обучения, некоторые инструменты аннотирования. Особый акцент сделан на применение машинного обучения при решении задач компьютерного зрения. Обоснован подход к созданию синтетических наборов данных. При таком подходе генерируются имитируемые данные для обучения, напоминающие по своим базовым параметрам реальные данные (объекты). Предложен метод генерации синтетических наборов данных, основанный на ряде алгоритмов цифровой обработки изображений таких как, геометрические преобразования, искажения цвета, поворот, добавление шума.
Alternative abstract: In this paper the sources of data for machine learning tasks and some annotation tools are discussed. A special emphasis is placed on the application of machine learning to computer vision problems. An approach to generate synthetic datasets is substantiated. This approach generates simulated training data resembling real data (objects) in their basic parameters. A method for generating synthetic datasets based on a number of algorithms for digital image processing, such as geometric transformations, color distortions, rotation, and adding noise is proposed.
URI: https://libeldoc.bsuir.by/handle/123456789/47022
ISBN: 978-985-7267-19-4
Appears in Collections:BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2022)

Files in This Item:
File Description SizeFormat 
Lukashevich_Metod.pdf1.31 MBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.