https://libeldoc.bsuir.by/handle/123456789/63527| Title: | Методика повышения устойчивости свёрточной нейронной сети с использованием аугментации данных на примере модели для сегментации изображений глазных яблок |
| Other Titles: | A method for increasing the robustness of a convolutional neural network using data augmentation using the example of an eye image segmentation model |
| Authors: | Резников, Н. А. Шкрабов, А. В. Дик, С. К. Ситник, Г. Д. Ревинская, И. И. |
| Keywords: | материалы конференций;Big Data;информационные системы;свёрточные нейронные сети;сегментация;инфракрасные камеры;аугментация данных;системы детекции глаз |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Методика повышения устойчивости свёрточной нейронной сети с использованием аугментации данных на примере модели для сегментации изображений глазных яблок = A method for increasing the robustness of a convolutional neural network using data augmentation using the example of an eye image segmentation model / Н. А. Резников, А. В. Шкрабов, С. К. Дик [и др.] // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XII Международной научно-практической конференции, Республика Беларусь, Минск, 23 апреля 2026 года : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2026. – С. 299–305. |
| Abstract: | В работе рассматривается подход к повышению устойчивости (robustness) нейросетевых моделей сегментации глаз к типичным искажениям изображений с помощью целенаправленной аугментации данных. На примере победителя OpenEDS Semantic Segmentation Challenge 2019 - модели RitNet (на базе UNet и DenseNet), показано, как добавление синтетических артефактов (структурированные блики starburst, гауссово размытие, случайные линии и сдвиги), характерных для изображений в VR/AR-очках, позволило достичь высокой точности при крайне малом размере модели. Такой подход подчёркивает важность адаптации обучающих данных под реальные условия применения для повышения надёжности моделей в задачах компьютерного зрения. |
| Alternative abstract: | The paper discusses an approach to increasing the robustness of neural network models used in eye footage segmentation to typical image distortions using targeted data augmentation. Using the example of the winner of the OpenEDS Semantic Segmentation Challenge 2019 - the RitNet model (based on U-Net and DenseNet), it is shown how the addition of synthetic artifacts (structured starbursts, Gaussian blur, random lines and shifts), characteristic of images in VR / AR glasses, made it possible to achieve high accuracy with an extremely small model size. This approach emphasizes the importance of adapting training data to real-world application conditions to improve the reliability of models in computer vision tasks. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63527 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2026) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Reznikov_Metodika.pdf | 4.3 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.