id int64 18 18.8k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 14:51:09 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 14:51:09 | doc_name stringclasses 1
value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2
classes | is_sentence bool 2
classes | is_corrected bool 2
classes |
|---|---|---|---|---|---|---|---|---|
8,657 | 2026-02-24T09:02:16.076000Z | 2026-02-24T09:02:16.076000Z | Lec. | Ahmad A. et al | false | false | false | |
8,656 | 2026-02-24T09:02:14.326000Z | 2026-02-24T09:02:14.326000Z | Lec. | P. 175–193. 11 | false | false | false | |
8,655 | 2026-02-24T09:02:12.564000Z | 2026-02-24T09:02:12.564000Z | Lec. | Vol. 7, № 3 | false | false | false | |
8,654 | 2026-02-24T09:02:10.977000Z | 2026-02-24T09:02:10.977000Z | Lec. | Canadian Science Publishing, 2019 | false | false | false | |
8,653 | 2026-02-24T09:02:09.289000Z | 2026-02-24T09:02:09.289000Z | Lec. | Unmanned Veh | false | false | false | |
8,652 | 2026-02-24T09:02:07.658000Z | 2026-02-24T09:02:07.658000Z | Lec. | Accuracy assessment using different UAV image overlaps // J | false | true | false | |
8,651 | 2026-02-24T09:02:05.788000Z | 2026-02-24T09:02:05.788000Z | Lec. | Vol. 23, № 24. 10 | false | true | false | |
8,650 | 2026-02-24T09:02:03.792000Z | 2026-02-24T09:02:03.792000Z | Lec. | Enhancing the Localization Accuracy of UAV Images under GNSS Denial Conditions // Sensors. 2023 | false | true | false | |
8,649 | 2026-02-24T09:02:01.795000Z | 2026-02-24T09:02:01.795000Z | Lec. | Gao H. et al | false | false | false | |
8,648 | 2026-02-24T09:02:00.133000Z | 2026-02-24T09:02:00.133000Z | Lec. | Vol. 32, № NeurIPS. 9 | false | false | false | |
8,647 | 2026-02-24T09:01:58.338000Z | 2026-02-24T09:01:58.338000Z | Lec. | Spatial-aware feature aggregation for cross-view image based geo-localization // Adv | false | false | false | |
8,646 | 2026-02-24T09:01:56.819000Z | 2026-02-24T09:01:56.819000Z | Lec. | Shi Y. et al | false | false | false | |
8,645 | 2026-02-24T09:01:55.086000Z | 2026-02-24T09:01:55.086000Z | Lec. | Improving Post-Earthquake Crack Detection using Semi-Synthetic Generated Images. 2024. № Cv | false | false | false | |
8,644 | 2026-02-24T09:01:53.301000Z | 2026-02-24T09:01:53.301000Z | Lec. | Dondi P. et al | false | false | false | |
8,643 | 2026-02-24T09:01:51.557000Z | 2026-02-24T09:01:51.557000Z | Lec. | Vol. 106, № July 2022. 7 | false | false | false | |
8,642 | 2026-02-24T09:01:49.787000Z | 2026-02-24T09:01:49.787000Z | Lec. | Imaging Graph. 2023 | false | false | false | |
8,641 | 2026-02-24T09:01:48.099000Z | 2026-02-24T09:01:48.099000Z | Lec. | Use of semi-synthetic data for catheter segmentation improvement // Comput | false | false | false | |
8,640 | 2026-02-24T09:01:46.477000Z | 2026-02-24T09:01:46.477000Z | Lec. | Danilov V. et al | false | false | false | |
8,639 | 2026-02-24T09:01:44.733000Z | 2026-02-24T09:01:44.733000Z | Lec. | P. 2624–2628. 6 | false | true | false | |
8,638 | 2026-02-24T09:01:43.138000Z | 2026-02-24T09:01:43.138000Z | Lec. | CGNCC 2014. 2015 | false | false | false | |
8,637 | 2026-02-24T09:01:41.415000Z | 2026-02-24T09:01:41.415000Z | Lec. | Control Conf | false | false | false | |
8,636 | 2026-02-24T09:01:39.805000Z | 2026-02-24T09:01:39.805000Z | Lec. | Rotation and affine-invariant SIFT descriptor for matching UAV images with satellite images // 2014 IEEE Chinese Guid | false | false | false | |
8,635 | 2026-02-24T09:01:38.035000Z | 2026-02-24T09:01:38.035000Z | Lec. | Zheng M. et al | false | true | false | |
8,634 | 2026-02-24T09:01:36.249000Z | 2026-02-24T09:01:36.249000Z | Lec. | P. 34277–34287. 5 | false | true | false | |
8,633 | 2026-02-24T09:01:34.425000Z | 2026-02-24T09:01:34.425000Z | Lec. | A Semantic Guidance and Transformer-Based Matching Method for UAVs and Satellite Images for UAV Geo-Localization // IEEE Access | false | true | false | |
8,632 | 2026-02-24T09:01:32.429000Z | 2026-02-24T09:01:32.429000Z | Lec. | Zhuang J. et al | false | false | false | |
8,631 | 2026-02-24T09:01:30.592000Z | 2026-02-24T09:01:30.592000Z | Lec. | Neurosci. 2022 | false | false | false | |
8,630 | 2026-02-24T09:01:28.747000Z | 2026-02-24T09:01:28.747000Z | Lec. | High precision visual localization method of UAV based on feature matching // Front | false | false | false | |
8,629 | 2026-02-24T09:01:26.984000Z | 2026-02-24T09:01:26.985000Z | Lec. | Xue B. et al | false | false | false | |
8,628 | 2026-02-24T09:01:25.127000Z | 2026-02-24T09:01:25.127000Z | Lec. | P. 241–252. 3 | false | false | false | |
8,627 | 2026-02-24T09:01:23.230000Z | 2026-02-24T09:01:23.230000Z | Lec. | A review of navigation algorithms for unmanned aerial vehicles based on computer vision systems // Gyroscopy Navig. 2022 | false | false | false | |
8,626 | 2026-02-24T09:01:21.309000Z | 2026-02-24T09:01:21.309000Z | Lec. | Ali B., Sadekov R., Tsodokova V | true | false | false | |
8,625 | 2026-02-24T09:01:19.821000Z | 2026-02-24T09:01:19.822000Z | Lec. | Vol. 135. 2 | false | false | false | |
8,624 | 2026-02-24T09:01:17.978000Z | 2026-02-24T09:01:17.978000Z | Lec. | Список использованной литературы. 1 | false | true | false | |
8,623 | 2026-02-24T09:01:15.751000Z | 2026-02-24T09:01:15.751000Z | Lec. | Реализованный в ходе работы генератор и аугментированный набор данных размещен в открытом репозитарии [37] | false | true | false | |
8,622 | 2026-02-24T09:01:13.517000Z | 2026-02-24T09:01:13.517000Z | Lec. | Статистически значимые результаты ( ) подтверждают эффективность предложенных методов, а модульная архитектура позволяет гибко настраивать параметры под конкретные задачи | false | true | false | |
8,621 | 2026-02-24T09:01:11.643000Z | 2026-02-24T09:01:11.643000Z | Lec. | Разработанный генератор обеспечивает высокую реалистичность аугментированных данных ( ) при сохранении структурной целостности | false | true | false | |
8,620 | 2026-02-24T09:01:09.889000Z | 2026-02-24T09:01:09.889000Z | Lec. | Статистический анализ подтвердил значимость параметров аугментации (например, коэффициентов радиального искажения для эффекта «рыбий глаз»), что повысило точность моделей локализации | false | true | false | |
8,619 | 2026-02-24T09:01:08.118000Z | 2026-02-24T09:01:08.118000Z | Lec. | Использование TIFF-карт с высоким разрешением и встроенными метаданными обеспечило масштабируемость данных и их совместимость с GIS-системами | false | true | false | |
8,618 | 2026-02-24T09:01:06.480000Z | 2026-02-24T09:01:06.480000Z | Lec. | Разработанный генератор позволяет имитировать широкий спектр условий: оптические искажения («рыбий глаз», широкоугольные деформации), изменения погоды (туман), вариации освещения и геометрические трансформации | false | true | false | |
8,617 | 2026-02-24T09:01:04.682000Z | 2026-02-24T09:01:04.682000Z | Lec. | Для чего предложен подход, объединяющий использование крупномасштабных TIFF-карт из открытых источников и методов аугментации, адаптированных к специфике БПЛА-съемки | false | true | false | |
8,616 | 2026-02-24T09:01:02.788000Z | 2026-02-24T09:01:02.788000Z | Lec. | Основной целью исследования стало преодоление ограничений существующих датасетов, таких как узкий географический охват, статичность и недостаточное разнообразие условий съемки | false | true | false | |
8,615 | 2026-02-24T09:01:01.149000Z | 2026-02-24T09:01:01.149000Z | Lec. | В ходе выполнения выпускной квалификационной работы была разработана модульная система генерации полусинтетических данных для задач визуальной локализации БПЛА | false | true | false | |
8,614 | 2026-02-24T09:00:59.386000Z | 2026-02-24T09:00:59.386000Z | Lec. | Открытый доступ к коду и документации в репозитории GitHub [37] обеспечивает воспроизводимость результатов и возможность адаптации системы под новые задачи | false | true | false | |
8,613 | 2026-02-24T09:00:57.610000Z | 2026-02-24T09:00:57.610000Z | Lec. | Разработанная модульная архитектура генератора обеспечила гибкость и масштабируемость системы | false | true | false | |
8,612 | 2026-02-24T09:00:55.887000Z | 2026-02-24T09:00:55.887000Z | Lec. | Рисунок 21 – Файл метаданных трансформированных изображений | false | true | false | |
8,611 | 2026-02-24T09:00:53.821000Z | 2026-02-24T09:00:53.821000Z | Lec. | Для полусинтетических изображений из папки uav_dataset_augmented часть метаданных (рисунок 21) | false | true | false | |
8,610 | 2026-02-24T09:00:52.055000Z | 2026-02-24T09:00:52.055000Z | Lec. | Рисунок 20 – Файл метаданных исходных изображений | false | true | false | |
8,609 | 2026-02-24T09:00:50.243000Z | 2026-02-24T09:00:50.243000Z | Lec. | Часть файла метаданных из папки uav_dataset (рисунок 20) | false | true | false | |
8,608 | 2026-02-24T09:00:47.965000Z | 2026-02-24T09:00:47.965000Z | Lec. | Рисунок 19 – Пример кода для сохранения метаданных | false | true | false | |
8,607 | 2026-02-24T09:00:46.273000Z | 2026-02-24T09:00:46.273000Z | Lec. | Метаданные обновляются в соответствии с расширением набора данных и сохраняются в формате CSV (рисунок 19) | false | true | false | |
8,606 | 2026-02-24T09:00:44.717000Z | 2026-02-24T09:00:44.717000Z | Lec. | Исходный код и документация размещены в публичном репозитории GitHub, обеспечивая воспроизводимость и возможность расширения | false | true | false | |
8,605 | 2026-02-24T09:00:43.023000Z | 2026-02-24T09:00:43.023000Z | Lec. | Генератор реализован на языке Python с использованием библиотек OpenCV, NumPy и специализированных фреймворков для аугментации (например, Augmentor) | false | true | false | |
8,604 | 2026-02-24T09:00:41.500000Z | 2026-02-24T09:00:41.500000Z | Lec. | Метаданные структурируются в формате CSV для удобства интеграции с системами обучения и валидации | false | true | false | |
8,603 | 2026-02-24T09:00:39.648000Z | 2026-02-24T09:00:39.648000Z | Lec. | Для каждого аугментированного изображения сохраняется метаданные, включающие: идентификатор исходного изображения, перечень примененных трансформаций с параметрами | false | true | false | |
8,602 | 2026-02-24T09:00:37.798000Z | 2026-02-24T09:00:37.798000Z | Lec. | Сбор данных | false | true | false | |
8,601 | 2026-02-24T09:00:36.235000Z | 2026-02-24T09:00:36.235000Z | Lec. | Моделирует атмосферные условия с использованием алгоритмов генерации плотности тумана | false | true | false | |
8,600 | 2026-02-24T09:00:34.695000Z | 2026-02-24T09:00:34.695000Z | Lec. | Модуль наложения тумана | false | true | false | |
8,599 | 2026-02-24T09:00:33.175000Z | 2026-02-24T09:00:33.175000Z | Lec. | Каждый тип искажения параметризован вероятностью применения и диапазоном коэффициентов трансформации | false | true | false | |
8,598 | 2026-02-24T09:00:31.634000Z | 2026-02-24T09:00:31.634000Z | Lec. | Включает преобразования яркости, контраста, цветового баланса, а также геометрические аугментации: повороты, отражения, масштабирование | false | true | false | |
8,597 | 2026-02-24T09:00:30.080000Z | 2026-02-24T09:00:30.080000Z | Lec. | Модуль фотометрических и геометрических искажений | false | true | false | |
8,596 | 2026-02-24T09:00:28.601000Z | 2026-02-24T09:00:28.601000Z | Lec. | Реализует моделирование эффектов, характерных для оптики БПЛА: искажение «рыбий глаз» и широкоугольное искажение | false | true | false | |
8,595 | 2026-02-24T09:00:26.742000Z | 2026-02-24T09:00:26.742000Z | Lec. | Модуль оптических искажений | false | true | false | |
8,594 | 2026-02-24T09:00:25.115000Z | 2026-02-24T09:00:25.115000Z | Lec. | Выход: аугментированные изображения, сохраняемые в отдельной папке «uav_dataset_augmented» вместе с метаданными в формате CSV, фиксирующими связь между дополненными и исходными изображениями и описывающими примененные трансформации | false | true | false | |
8,593 | 2026-02-24T09:00:22.897000Z | 2026-02-24T09:00:22.897000Z | Lec. | Вход: исходные изображения в формате JPEG, расположенные в директории «uav_dataset» | true | true | false | |
8,592 | 2026-02-24T09:00:13.034000Z | 2026-02-24T09:00:13.034000Z | Lec. | Входные и выходные данные | false | true | false | |
8,591 | 2026-02-24T09:00:11.514000Z | 2026-02-24T09:00:11.514000Z | Lec. | Генератор состоит из модулей: | false | true | false | |
8,590 | 2026-02-24T09:00:10.027000Z | 2026-02-24T09:00:10.027000Z | Lec. | Архитектура генератора аугментированных данных для изображений с БПЛА реализуется как модульная система, обеспечивающая последовательную обработку входных снимков и сохранение результатов с метаданными, связывающими дополненные изображения с исходными кадрами | false | true | false | |
8,589 | 2026-02-24T09:00:08.245000Z | 2026-02-24T09:00:08.245000Z | Lec. | Архитектура генератора | false | false | false | |
8,588 | 2026-02-24T09:00:06.729000Z | 2026-02-24T09:00:06.729000Z | Lec. | Сравнение двух подходов к оценке глубины (базового и сегментированного) показало, что второй метод, учитывающий семантическую информацию о небе и земле, правдоподобнее отражает распределение тумана | false | true | false | |
8,587 | 2026-02-24T09:00:05.166000Z | 2026-02-24T09:00:05.166000Z | Lec. | Моделирование тумана продемонстрировало высокую реалистичность благодаря использованию физически обоснованных методов | false | true | false | |
8,586 | 2026-02-24T09:00:03.415000Z | 2026-02-24T09:00:03.415000Z | Lec. | Снижение ssim_orig_fog2 относительно ssim_orig_fog1 обусловлено неточностью сегментации объектов | false | true | false | |
8,585 | 2026-02-24T09:00:01.666000Z | 2026-02-24T09:00:01.666000Z | Lec. | Высокие значения ssim_between_fog при значимых различиях в глубинах ( ) позволяет предположить, что различия в оценке глубины не приводят к кардинальным изменениям в визуальном восприятии тумана | false | true | false | |
8,584 | 2026-02-24T08:59:59.892000Z | 2026-02-24T08:59:59.892000Z | Lec. | Нулевая гипотеза о равенстве средних отвергается, что подтверждает статистически значимые различия в оценках глубины между подходами | false | true | false | |
8,583 | 2026-02-24T08:59:58.137000Z | 2026-02-24T08:59:58.137000Z | Lec. | Парный t-тест для средних значений глубины | false | true | false | |
8,582 | 2026-02-24T08:59:56.421000Z | 2026-02-24T08:59:56.421000Z | Lec. | Что указывает на существенные структурные искажения, возникающие при наложении тумана подходом 2 | false | true | false | |
8,581 | 2026-02-24T08:59:54.796000Z | 2026-02-24T08:59:54.796000Z | Lec. | Значения ssim_orig_fog1 и ssim_orig_fog2 частично перекрываются, ssim_orig_fog2 характеризуется смещением в область меньших величин (минимальные значения ) | false | true | false | |
8,580 | 2026-02-24T08:59:53.273000Z | 2026-02-24T08:59:53.273000Z | Lec. | Распределение ssim_between_fog демонстрирует высокую согласованность (диапазон ), что указывает на визуальную схожесть результатов применения двух подходов, несмотря на различия в алгоритмах оценки глубины | false | true | false | |
8,579 | 2026-02-24T08:59:51.639000Z | 2026-02-24T08:59:51.640000Z | Lec. | Рисунок 19 – Гистограмма распределения значений SSIM для трех типов сравнений | false | true | false | |
8,578 | 2026-02-24T08:59:49.729000Z | 2026-02-24T08:59:49.729000Z | Lec. | Гистограмма распределения значений SSIM для трех типов сравнений (рисунок 19). ssim_between_fog – структурное сходство между изображениями с искусственным туманом, сгенерированными на основе двух различных методов оценки глубины (подход 1 и подход 2). ssim_orig_fog1 – структурное сходство между исходным изображением и ... | false | false | false | |
8,577 | 2026-02-24T08:59:47.436000Z | 2026-02-24T08:59:47.436000Z | Lec. | Значения метрики, приближающиеся к 1, указывают на высокое структурное сходство между двумя изображениями, что свидетельствует о минимальных искажениях и высоком качестве изображения | false | true | false | |
8,576 | 2026-02-24T08:59:45.865000Z | 2026-02-24T08:59:45.865000Z | Lec. | SSIM определяется по яркости, контрастности и структурному сходству в диапазоне | false | true | false | |
8,575 | 2026-02-24T08:59:44.328000Z | 2026-02-24T08:59:44.328000Z | Lec. | В отличие от традиционных метрик (PSNR, MSE), SSIM (61) анализирует структурные искажения. , (61). шде – исходное изображение;. – тестируемое изображение;. и – средние значения яркости для изображений и ;. – дисперсии яркости для и ;. – ковариация между изображениями;. и – константы стабилизации | false | false | false | |
8,574 | 2026-02-24T08:59:42.343000Z | 2026-02-24T08:59:42.343000Z | Lec. | Метрика структурного сходства (SSIM) является объективным методом оценки качества изображений, основанным на модели человеческого зрительного восприятия [36] | false | true | false | |
8,573 | 2026-02-24T08:59:40.360000Z | 2026-02-24T08:59:40.360000Z | Lec. | Оценка влияния тумана | false | true | false | |
8,572 | 2026-02-24T08:59:38.666000Z | 2026-02-24T08:59:38.666000Z | Lec. | Рисунок 18 – Изображения с туманом для двух подходов | false | true | false | |
8,571 | 2026-02-24T08:59:36.781000Z | 2026-02-24T08:59:36.781000Z | Lec. | Визуализация изображения БПЛА после применения тумана (рисунок 18) | false | true | false | |
8,570 | 2026-02-24T08:59:34.829000Z | 2026-02-24T08:59:34.829000Z | Lec. | Рисунок 17 – Блок-схема модуля наложения тумана | false | true | false | |
8,569 | 2026-02-24T08:59:33.235000Z | 2026-02-24T08:59:33.235000Z | Lec. | Блок-схема модуля наложения тумана (рисунок 17) | false | false | false | |
8,568 | 2026-02-24T08:59:31.417000Z | 2026-02-24T08:59:31.417000Z | Lec. | Физическая модель тумана (60):. , (60). где – наблюдаемое размытое изображение;. – истинная яркость сцены;. – карта пропускания;. – коэффициент рассеяния в атмосфере;. – глубина сцены;. – общее атмосферное освещение (цвет неба) | false | true | false | |
8,567 | 2026-02-24T08:59:29.407000Z | 2026-02-24T08:59:29.407000Z | Lec. | Функция apply_physical_fog для применения тумана состоит из этапов:. преобразование изображения в вещественные числа;. инвертирование карты глубины для получения расстояния;. расчет коэффициенты пропускания света по закону Бугера-Ламберта (59):. . (59). реализация модели тумана;. смешивание исходного изображения с цвет... | false | true | false | |
8,566 | 2026-02-24T08:59:27.309000Z | 2026-02-24T08:59:27.309000Z | Lec. | Коэффициент 0,5 для неба обеспечивает плавный переход между наземными и атмосферными слоями | false | true | false | |
8,565 | 2026-02-24T08:59:25.514000Z | 2026-02-24T08:59:25.514000Z | Lec. | Веса 0,7 и 0,3 эмпирически выбраны для приоритета вертикальной составляющей над перспективной, что соответствует типичным условиям аэрофотосъемки | false | true | false | |
8,564 | 2026-02-24T08:59:23.742000Z | 2026-02-24T08:59:23.742000Z | Lec. | Нормализация карты глубины (58):. . (58) | false | true | false | |
8,563 | 2026-02-24T08:59:22.064000Z | 2026-02-24T08:59:22.064000Z | Lec. | Комбинация вертикальной и перспективной компоненты глубины составляет итоговую карту глубины | false | true | false | |
8,562 | 2026-02-24T08:59:20.449000Z | 2026-02-24T08:59:20.449000Z | Lec. | Глубина неба (57):. . (57) | false | true | false | |
8,561 | 2026-02-24T08:59:18.902000Z | 2026-02-24T08:59:18.902000Z | Lec. | Комбинированная глубина земли (56):. . (56) | false | true | false | |
8,560 | 2026-02-24T08:59:17.337000Z | 2026-02-24T08:59:17.337000Z | Lec. | Нормализация перспективной составляющей (55):. . (55) | false | true | false | |
8,559 | 2026-02-24T08:59:15.883000Z | 2026-02-24T08:59:15.884000Z | Lec. | Вертикальная составляющая для наземных объектов (54):. , (54). где ;. | false | true | false | |
8,558 | 2026-02-24T08:59:13.990000Z | 2026-02-24T08:59:13.991000Z | Lec. | Для пикселей земли | false | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.