Лаборатория глубокого обучения

Целью лаборатории является проведение научных исследований и разработок глубоких нейронных сетей для работы с графической информацией на естественном языке, а именно: создание алгоритмов, способных «без учителя» находить последовательность действий, приводящих к решению поставленной задачи в новой среде.

Команда лаборатории состоит из молодых исследователей, имеющих многолетний опыт в области искусственного интеллекта.

Лаборатория глубокого обучения
Сафонова Анастасия Николаевна
заведующий
asafonova [at] sfu-kras [dot] ru, страница сотрудника
Иванова Ульяна Сергеевна
инженер-исследователь
Русин Дмитрий Сергеевич
инженер-исследователь
Толмачева Анна Евгеньевна
инженер-исследователь
Хамад Юсиф Ахмед
инженер-исследователь

Основные публикации сотрудников

  • A. Safonova, S. Tabik, D. Alcaraz-Segura, A. Rubtsov, Y. Maglinets, F. Herrera Detection of Fir Trees (Abies sibirica) Damaged by the Bark Beetle in Unmanned Aerial Vehicle Images with Deep Learning;; Remote Sensing. 2019.; №11; P. 643. DOI: 10.3390/rs11060643
  • Е.В. Дмитриев, В.А. Козуб, П.Г. Мельник, А.А. Соколов, А.Н. Сафонова Классификация и оценка состояния смешанных древостоев по аэроизображениям сверхвысокого пространственного разрешения // Известия высших учебных заведений. Лесной журнал. 2019. №5; C. 9–24. DOI:10.17238/issn0536-1036.2019.5.9
  • A. Safonova, E. Dmitriev Classification of agricultural crops of earth remote sensing data using Gaussian based methods;; CEUR Workshop Proceedings 2018. №2033; P. 225-230; DOI: 10.17238/issn0536-1036.2019.5.9
  • E.V. Dmitriev, V.V. Kozoderov, A.O. Dementyev, A.N. Safonova; Combining classifiers in the problem of thematic processing of hyperspectral aerospace images // Optoelectronics, Instrumentation and Data Processing. 2018.; №Vol. 54, Issue 3; стр. 213–221; DOI: 10.3103/S8756699018030019
  • Е.В. Дмитриев, В.В. Козодеров, А.О. Дементьев, А.Н. Сафонова; Комплексирование классификаторов в задаче тематической обработки гиперспектральных аэрокосмических изображений; Автометрия. 2018. № Том 54. №3. C. 3-12; DOI: 10.15372/AUT20180301
  • A. Safonova, Y. Dmitriev Classification of agricultural crops from middle – resolution satellite images using Gaussian processes based method; // Журнал Сибирского федерального университета. Серия: Техника и технологии. 2018.; №11(8); C. 909-921
  • Hamad Y., Simonov K., Naeem M. B. Breast Cancer Detection and Classification Using Artificial Neural Networks // 2018 1st Annual International Conference on Information and Sciences (AiCIS). — IEEE, 2018. — С. 51-57. DOI: 10.1109/AiCIS.2018.00022
  • Hamad Y. A., Simonov K. V., Naeem M. B. Detection of Brain Tumor in MRI Images, Using a Combination of Fuzzy C-Means and Thresholding //International Journal of Advanced Pervasive and Ubiquitous Computing (IJAPUC). — 2019. — Т. 11. — №. 1. — С. 45-60. DOI: 10.4018/IJAPUC.2019010104.
  • Zotin A., Hamad Y., Simonov K., Kurako M. Lung boundary detection for chest X-ray images classification based on GLCM and probabilistic neural networks //Procedia Computer Science. — 2019. — Т. 159. — С. 1439-1448. DOI: 10.1016/j.procs.2019.09.314
  • Hamad Y. A., Simonov K., Naeem M. B. Brain's tumor edge detection on low contrast medical images //2018 1st Annual International Conference on Information and Sciences (AiCIS). — IEEE, 2018. — С. 45-50. DOI: 10.1109/AiCIS.2018.00021
  • Hamad Y. A., Simonov K., Naeem M. B. Lung Boundary Detection and Classification in Chest X-rays Images Based on Neural Network //International Conference on Applied Computing to Support Industry: Innovation and Technology. – Springer, Cham, 2019. – С. 3-16. DOI: 10.1007/978-3-030-38752-5_1
  • Zotin A., Simonov K., Kurako M., Hamad Y. A., Kirillova S. Edge detection in MRI brain tumor images based on fuzzy C-means clustering //Procedia Computer Science. — 2018. — Т. 126. — С. 1261-1270. DOI: 10.1016/j.procS.2018.08.069
  • Hamad Y., Mohammed O. K. J., Simonov K. Evaluating of Tissue Germination and Growth Rate of ROI on Implants of Electron Scanning Microscopy Images //Proceedings of the 9th International Conference on Information Systems and Technologies. — 2019. — С. 1–7. DOI: 10.1145/3361570.3361598
  • Tolmacheva A.E. The use of convolutional neural networks to identify artifacts of cells micrographs in biomedical research/ Anton Yakimov, Andrey Morgun, Alla Salmina, Mikhail Dorrer, Anna Tolmacheva and Dmitry Ogurtsov // Journal of Physics: Conference Series, Volume 1399, Cybernetics and IT. DOI: 10.1088/1742-6596/1399/3/033089
  • Tolmacheva A.E. Puck tracking system for aerohockey game with YOLO2 / A E Tolmacheva, D A Ogurcov and M G Dorrer//Journal of Physics: Conference Series, Volume 1399, Cybernetics and IT. DOI: 10.1088/1742-6596/1399/3/033116
  • Tolmacheva A.E. Justification for choosing a single-board hardware computing platform for a neural network performing image processing/ A E Tolmacheva, D A Ogurtsov and M G Dorrer// IOP Conference Series: Materials Science and Engineering, Volume 734, 2020. DOI: 10.1088/1757-899X/734/1/012130
  • Dmitriy S. Rusin Computer analysis and interpretation of geophysical data / Dmitriy S. Rusin, Natalia V. Molokova, Andrew G. Feldman, Natalia V. Nikolaeva // AMSA. — 2019 — № 1. — P. 574.
  • Dmitriy S. Rusin Data analysis in studying the geological section / Andrew G. Feldman, Natalia V. Molokova, Dmitriy S. Rusin, Natalia V. Nikolaeva // AMSA. — 2019 — № 1. — P. 574.
  • У.С. Иванова, В.В. Москвичев, О.В. Тасейко Ранжирование территорий Красноярского края с использованием риск- ориентированного подхода // Проблемы анализа риска. 2019. Т. 16, № 4. C. 48-63. DOI: 10.32686/1812-5220-2019-16-4-48-63
  • Ivanova U.S., Taseiko O.V., Cherhykh D.A., Probabilistic methods for risk assessment of anthropogenic accidents and emergency // Procedia Structural Integrity. 2019. № 20. P. 136-142.
  • Ivanova U.S., Taseiko O.V., Cherhykh D.A., Nikulina T.N. The differentiated approach to assessment Individual risk of emergency // CEUR Workshop Proceedings. 2019. № 2534. P. 354-358
  • В.В. Москвичев, О.В. Тасейко, У.С. Иванова, Д.А. Черных Базовые региональные риски развития территорий СФО // Вычислительные технологии. – 2018. Т. 23, № 4. С. 95-109. DOI: 10.25743/ICT.2018.23.16506

Вы можете отметить интересные фрагменты текста, которые будут доступны по уникальной ссылке в адресной строке браузера.