| DC Field | Value | Language |
|---|
| dc.contributor.author | Ерофеев, В. С. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-06-04T08:35:30Z | - |
| dc.date.available | 2026-06-04T08:35:30Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Ерофеев, В. С. Сравнительный анализ качества сегментации и вычислительной производительности архитектуры U-Net при обработке изображений различной канальности = Comparative analysis of segmentation quality and computing performance of architecture U-Net for image processing of various channels / В. С. Ерофеев // Компьютерные системы и сети : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2026. – С. 22–25. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63991 | - |
| dc.description.abstract | В работе проводится исследование влияния количества каналов входных изображений на результат сегментации и вычислительную эффективность нейронной сети U-Net. Экспериментальные результаты показывают, что использование RGB-изображений обеспечивает улучшение качества сегментации и более высокую вычислительную эффективность, несмотря на увеличение объёма входных данных. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | семантическая сегментация | en_US |
| dc.subject | U-Net | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | обнаружение объектов | en_US |
| dc.subject | нагрузочное тестирование | en_US |
| dc.subject | GPU | en_US |
| dc.title | Сравнительный анализ качества сегментации и вычислительной производительности архитектуры U-Net при обработке изображений различной канальности | en_US |
| dc.title.alternative | Comparative analysis of segmentation quality and computing performance of architecture U-Net for image processing of various channels | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The paper investigates the effect of the number of input image channels on the segmentation result and computational efficiency of the U-Net neural network. Experimental results show that the use of RGB images provides improved segmentation quality and higher computational efficiency, despite an increase in the amount of input data. | en_US |
| Appears in Collections: | Компьютерные системы и сети : материалы 62-й научной конференции аспирантов, магистрантов и студентов : сборник статей (2026)
|
