Алексеев Н.А., Павелкин И.А., Короткий М.А., Романов С.В., Юсупов С.Э. «Нейросетевой алгоритм обнаружения аномалий на гидролокационных изображениях» Прикладные технологии гидроакустики и гидрофизики. Труды XVII Всероссийской конференции (ГА-2024), Санкт-Петербург, 5–7 июня 2024 года, с. 371-373 (2024)

В связи с повышением требований к системам подводного мониторинга возникает необходимость разработки современных интеллектуальных алгоритмов обработки гидролокационных изображений. Сформированы обучающие наборы данных. Поставлена задача обнаружения аномалий на гидролокационных данных. Предложен алгоритм обнаружения аномалий в области дна. Подготовлена тестовая выборка, на которой получены значения метрик вероятность правильного обнаружения и пиксельная вероятность ложного обнаружения со значениями 0,8 и 0,09 соответственно.

Колток Н.Г., Павелкин И.А., Пчелинцев Д.Г., Романов С.В. «Алгоритм обнаружения объектов на гидролокационных изображениях на основе детерминированных методов извлечения признаков» Прикладные технологии гидроакустики и гидрофизики. Труды XVII Всероссийской конференции (ГА-2024), Санкт-Петербург, 5–7 июня 2024 года, с. 374-376 (2024)

Рассмотрено применение детерминированных методов извлечения признаков из изображений для задачи обнаружения объектов на гидролокационных изображениях. На основе выбранных метрик качества проведен сравнительный анализ эффективности методов: статистического, главных компонент, пространственной кластеризации, текстурного и яркостного. Разработан алгоритм обнаружения объектов на гидролокационных изображениях с применением детерминированных методов извлечения признаков.

Викснин И.И., Куприянов М.С., Селезнев И.А., Турушев Т.А., Гоголев Е.Е., Шейнман Е.Л. «Анализ гидроакустических данных с применением методов машинного обучения и нейронных сетей» Прикладные технологии гидроакустики и гидрофизики. Труды XVII Всероссийской конференции (ГА-2024), Санкт-Петербург, 5–7 июня 2024 года, с. 377-379 (2024)

Анализ гидроакустических данных является комплексной задачей, требующей наличия у исследователя как теоретических знаний, так и практических навыков. Современный научно-технический уровень в области искусственного интеллекта позволяет заявить о принципиальной возможности применения методов машинного обучения и нейронных сетей для решения задач обнаружения и классификации объектов на основе гидроакустических данных.