Application of a Convolutional Neural Network with a Module of Elementary Graphic Primitive Classifiers in the Problems of Recognition of Drawing Documentation and Transformation of 2d to 3d Models

Khorolska, K. та Skladannyi, Pavlo та Sokolov, Volodymyr та Korshun, Natalia та Bebeshko, B. та Lakhno, V. та Zhumadilova, M. (2022) Application of a Convolutional Neural Network with a Module of Elementary Graphic Primitive Classifiers in the Problems of Recognition of Drawing Documentation and Transformation of 2d to 3d Models Journal of Theoretical and Applied Information Technology, 100 (24). с. 7426-7437. ISSN 1817-3195

Текст K_Khorolska_P_Skladannyi_V_Sokolov_N_Korshun_ta _in_Jatit_100_24_2022_FITM.pdf Download (1MB)

Анотація

his paper presents the results of the research related to the design of a convolutional neural network with a module of graphic primitives elementary classifiers (EC) in the tasks of drawing documentation recognition and transformation of the 2D into 3D models. An architecture of a convolutional neural network with an elementary classifiers module of graphic primitives was proposed for solving the drawing recognition and 2 → 3 transformation problem. A graphic image classifier model based on covered classes and elementary primitive classifiers has been developed to increase the effectiveness of CNN training.

Тип елементу :	Стаття
Ключові слова:	Decision Support System; Information Protection; Information Security; Infrastructure Management; Organizational and Economic Support; Risk Minimization
Типологія:	Це архівна тематика Київського університету імені Бориса Грінченка > Статті у наукометричних базах > Scopus
Підрозділи:	Це архівні підрозділи Київського університету імені Бориса Грінченка > Факультет інформаційних технологій та математики > Кафедра інформаційної та кібернетичної безпеки імені професора Володимира Бурячка
Користувач, що депонує:	Павло Миколайович Складанний
Дата внесення:	17 Лип 2023 07:03
Останні зміни:	17 Лип 2023 07:03
URI:	https://elibrary.kubg.edu.ua/id/eprint/43769

Actions (login required)

Перегляд елементу