id int64 18 21.1k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 16:54:39 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 16:54:39 | 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 |
|---|---|---|---|---|---|---|---|---|
4,307 | 2026-02-23T12:31:00.211000Z | 2026-02-23T12:31:00.211000Z | Lec. | Vol. 2018-June | false | false | false | |
4,306 | 2026-02-23T12:30:58.400000Z | 2026-02-23T12:30:58.400000Z | Lec. | IEEE Computer Society, 2017 | false | false | false | |
4,305 | 2026-02-23T12:30:56.656000Z | 2026-02-23T12:30:56.656000Z | Lec. | SuperPoint: Self-Supervised Interest Point Detection and Description // IEEE Comput | false | false | false | |
4,304 | 2026-02-23T12:30:54.863000Z | 2026-02-23T12:30:54.863000Z | Lec. | Detone D., Malisiewicz T., Rabinovich A | false | false | false | |
4,303 | 2026-02-23T12:30:53.165000Z | 2026-02-23T12:30:53.165000Z | Lec. | P. 8918–8927. 14 | false | false | false | |
4,302 | 2026-02-23T12:30:51.662000Z | 2026-02-23T12:30:51.662000Z | Lec. | IEEE Computer Society, 2021 | false | false | false | |
4,301 | 2026-02-23T12:30:49.938000Z | 2026-02-23T12:30:49.938000Z | Lec. | LoFTR: Detector-Free Local Feature Matching with Transformers // Proc | false | false | false | |
4,300 | 2026-02-23T12:30:48.192000Z | 2026-02-23T12:30:48.192000Z | Lec. | Sun J. et al | false | false | false | |
4,299 | 2026-02-23T12:30:46.624000Z | 2026-02-23T12:30:46.624000Z | Lec. | Vol. 8, № 11 | false | false | false | |
4,298 | 2026-02-23T12:30:45.238000Z | 2026-02-23T12:30:45.238000Z | Lec. | Multidisciplinary Digital Publishing Institute, 2024 | false | false | false | |
4,297 | 2026-02-23T12:30:43.511000Z | 2026-02-23T12:30:43.511000Z | Lec. | A Review on Deep Learning for UAV Absolute Visual Localization // Drones 2024, Vol. 8, Page 622 | false | false | false | |
4,296 | 2026-02-23T12:30:41.817000Z | 2026-02-23T12:30:41.817000Z | Lec. | British Machine Vision Association, BMVA, 2013. 12 | false | false | false | |
4,295 | 2026-02-23T12:30:40.389000Z | 2026-02-23T12:30:40.389000Z | Lec. | Fast explicit diffusion for accelerated features in nonlinear scale spaces // BMVC 2013 - Electron | false | false | false | |
4,294 | 2026-02-23T12:30:38.608000Z | 2026-02-23T12:30:38.608000Z | Lec. | Alcantarilla P.F., Nuevo J., Bartoli A | true | false | false | |
4,293 | 2026-02-23T12:30:36.947000Z | 2026-02-23T18:18:40.005000Z | Lec. | P. 2564–2571. 11 | П. 2564–2571. 11. | false | true | true |
4,292 | 2026-02-23T12:30:35.123000Z | 2026-02-23T12:30:35.123000Z | Lec. | ORB: An efficient alternative to SIFT or SURF // Proc | false | true | false | |
4,291 | 2026-02-23T12:30:33.207000Z | 2026-02-23T12:30:33.207000Z | Lec. | Rublee E. et al | false | false | false | |
4,290 | 2026-02-23T12:30:31.599000Z | 2026-02-23T12:30:31.599000Z | Lec. | P. 404–417. 10 | false | false | false | |
4,289 | 2026-02-23T12:30:29.811000Z | 2026-02-23T12:30:29.811000Z | Lec. | Vol. 3951 LNCS | false | false | false | |
4,288 | 2026-02-23T12:30:28.020000Z | 2026-02-23T16:13:15.119000Z | Lec. | SURF: Speeded up robust features // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2006 | SURF: Speeded up robust features // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2006 | false | true | true |
4,287 | 2026-02-23T12:30:26.091000Z | 2026-02-23T12:30:26.091000Z | Lec. | Bay H., Tuytelaars T., Van Gool L | false | false | false | |
4,286 | 2026-02-23T12:30:24.395000Z | 2026-02-23T12:30:24.395000Z | Lec. | P. 91–110. 9 | false | true | false | |
4,285 | 2026-02-23T12:30:22.804000Z | 2026-02-23T12:30:22.804000Z | Lec. | Vol. 60, № 2 | false | false | false | |
4,284 | 2026-02-23T12:30:21.215000Z | 2026-02-23T12:30:21.215000Z | Lec. | Springer, 2004 | false | false | false | |
4,283 | 2026-02-23T12:30:19.626000Z | 2026-02-23T12:30:19.626000Z | Lec. | Distinctive image features from scale-invariant keypoints // Int | false | false | false | |
4,282 | 2026-02-23T12:30:17.784000Z | 2026-02-23T13:30:12.912000Z | Lec. | URL: https://europe.naverlabs.com/blog/methods-for-visual-localization/ (accessed: 24.02.2025). 8 | https://europe.naverlabs.com/blog/methods-for-visual-localization/ (accessed: 24.02.2025). | false | true | true |
4,281 | 2026-02-23T12:30:15.866000Z | 2026-02-23T12:30:15.866000Z | Lec. | Methods for visual localization - Naver Labs Europe [Electronic resource] | false | false | false | |
4,280 | 2026-02-23T12:30:14.134000Z | 2026-02-23T12:30:14.134000Z | Lec. | P. 103666. 7 | false | false | false | |
4,279 | 2026-02-23T12:30:12.553000Z | 2026-02-23T12:30:12.553000Z | Lec. | North-Holland, 2021 | false | false | false | |
4,278 | 2026-02-23T12:30:10.705000Z | 2026-02-23T12:30:10.705000Z | Lec. | A review on absolute visual localization for UAV // Rob | false | false | false | |
4,277 | 2026-02-23T12:30:08.896000Z | 2026-02-23T12:30:08.896000Z | Lec. | Couturier A., Akhloufi M.A | true | false | false | |
4,276 | 2026-02-23T12:30:07.255000Z | 2026-02-23T12:30:07.255000Z | Lec. | URL: https://www.lens.org/?locale=ru (accessed: 12.03.2025). 6 | false | false | false | |
4,275 | 2026-02-23T12:30:05.203000Z | 2026-02-23T12:30:05.203000Z | Lec. | Lens - бесплатный и открытый патентный и научный поиск [Electronic resource] | false | true | false | |
4,274 | 2026-02-23T12:30:03.061000Z | 2026-02-23T12:30:03.061000Z | Lec. | URL: https://wordstat.yandex.ru/ (accessed: 12.03.2025). 5 | false | true | false | |
4,273 | 2026-02-23T12:30:01.298000Z | 2026-02-23T12:30:01.298000Z | Lec. | Вордстат [Electronic resource] | false | false | false | |
4,272 | 2026-02-23T12:29:59.570000Z | 2026-02-23T12:29:59.570000Z | Lec. | Алгоритмы навигации беспилотных летательных аппаратов с использованием систем технического зрения. 4 | false | true | false | |
4,271 | 2026-02-23T12:29:57.756000Z | 2026-02-23T12:29:57.756000Z | Lec. | Саденков В.В.Ц | true | false | false | |
4,270 | 2026-02-23T12:29:56.149000Z | 2026-02-23T12:29:56.149000Z | Lec. | Elsevier, 2023 | false | false | false | |
4,269 | 2026-02-23T12:29:54.319000Z | 2026-02-23T12:29:54.319000Z | Lec. | Unmanned aerial vehicles: A review // Cogn | false | true | false | |
4,268 | 2026-02-23T12:29:52.491000Z | 2026-02-23T12:29:52.491000Z | Lec. | Laghari A.A. et al | false | false | false | |
4,267 | 2026-02-23T12:29:50.887000Z | 2026-02-23T12:29:50.887000Z | Lec. | URL: https://www.mordorintelligence.com/ru/industry-reports/uav-market (accessed: 12.03.2025). 2 | false | false | false | |
4,266 | 2026-02-23T12:29:49.019000Z | 2026-02-23T12:29:49.019000Z | Lec. | Анализ размера и доли рынка беспилотных летательных аппаратов-Отчет об отраслевых исследованиях-Тенденции роста [Electronic resource] | false | false | false | |
4,265 | 2026-02-23T12:29:47.174000Z | 2026-02-23T12:29:47.174000Z | Lec. | Сравнение результатов полученной системы с классическими алгоритмами сопоставления изображений. 1 | false | true | false | |
4,264 | 2026-02-23T12:29:45.360000Z | 2026-02-23T16:34:24.639000Z | Lec. | Анализ существующих моделей и выбор перспективных алгоритмов сопоставления изображений | Анализ существующих моделей и выбор перспективных алгоритмов для сопоставления изображений | false | true | true |
4,263 | 2026-02-23T12:29:43.799000Z | 2026-02-23T12:29:43.799000Z | Lec. | Исходя из перечисленных методов обработки изображений, учитывая сложность и новизну предметной области, и текущие тренды предметной области, становится понятно, что основная задача – создание системы визуальной локализации БПЛА на основе алгоритмов сопоставления изображений, основанных на нейронных сетях: | false | true | false | |
4,262 | 2026-02-23T12:29:41.936000Z | 2026-02-23T13:34:01.606000Z | Lec. | Кроме того, работа закладывает основу для будущих улучшений, включая интеграцию визуальной локализации с другими системами навигации | Кроме того, работа закладывает основу для будущих улучшений, включая интеграцию визуальной локализацию с другими системами навигации | false | true | true |
4,261 | 2026-02-23T12:29:40.190000Z | 2026-02-23T12:29:40.190000Z | Lec. | Ожидаемые результаты данного исследования подтвердят превосходство подходов на основе глубокого обучения в задачах визуальной локализации, предложив надежную и безопасную альтернативу традиционным методам | false | true | false | |
4,260 | 2026-02-23T12:29:38.434000Z | 2026-02-23T13:26:43.093000Z | Lec. | Исходя из перечисленных аргументов, ожидаемым результатом исследования являются как раз некоторые выбранные метрики и характеристики системы, описанные в разделах “обзор аналогов” и «описание методологии построения системы» и для системы визуальной локализации, основанной на алгоритмах сопоставления изображений с использованием нейронных сетей | Исходя из перечисленных аргументов, ожидаемым результатом исследования являются некоторые выбранные метрики и характеристики системы, описанные в разделе «визуальная локализация на основе алгоритмов сопоставления изображений с использованием нейронных сетей». | false | true | true |
4,259 | 2026-02-23T12:29:36.466000Z | 2026-02-23T12:29:36.466000Z | Lec. | Так как алгоритмы сопоставления изображений, основанные на глубоком обучении и нейронных сетях, учатся, в большей степени, на обычных изображениях мира вокруг, а не на специализированных наборах данных, вроде карт местности, нельзя заранее утверждать, что гипотеза об их лучшей точности в задаче визуальной локализации БПЛА подтвердится, так как вопрос и является основным вопросом, на который ответит исследование | false | true | false | |
4,258 | 2026-02-23T12:29:34.689000Z | 2026-02-23T12:29:34.689000Z | Lec. | В качестве параллельно развивающихся систем, не являющихся прямыми конкурентами, рассматриваются, например, системы визуальной локализации для поиска объектов и спасения людей[24], где в БПЛА также используются системы визуальной локализации, но для других целей | false | true | false | |
4,257 | 2026-02-23T12:29:32.935000Z | 2026-02-23T13:27:12.298000Z | Lec. | Описанные возможные аналоги системы нельзя напрямую сравнивать с разрабатываемой системой, но можно рассматривать как смежные параллельно развивающиеся области, методики которых могут быть интегрированы в разрабатываемую систему визуальной локализации БПЛА | Описанные возможные аналоги системы нельзя напрямую сравнивать с разрабатываемой системой, но можно рассматривать их как смежные параллельно развивающиеся области, методики которых могут быть интегрированы в систему визуальной локализации БПЛА. | false | true | true |
4,256 | 2026-02-23T12:29:31.186000Z | 2026-02-23T12:29:31.186000Z | Lec. | Уже указанный возможный вариант сопоставления двух глобальных карт может оказаться хорошим набором данных при тестировании системы, но, в случае, если в свободном доступе имеется набор специализированных данных, содержащий снимки карт и фотографии с реальных полетов беспилотных летательных аппаратов, определенно, стоит сделать выбор в пользу специализированного набора данных | false | true | false | |
4,255 | 2026-02-23T12:29:29.520000Z | 2026-02-23T12:29:29.520000Z | Lec. | Один из важных этапов в разработке системы визуальной локализации БПЛА – выбор и обработка наборов данных (датасетов) | false | true | false | |
4,254 | 2026-02-23T12:29:27.976000Z | 2026-02-23T17:30:28.549000Z | Lec. | Описанный тип ошибок поможет выделить новые метрики и характеристики модели, которые имеют немалую значимость при оценке, выборе и использовании системы визуальной локализации БПЛА | Описанный тип ошибок поможет выделить новые метрики и характеристики модели, которые имеют значимость при оценке, выборе и использовании системы визуальной локализации БПЛА | false | true | true |
4,253 | 2026-02-23T12:29:26.335000Z | 2026-02-23T12:29:26.335000Z | Lec. | Пример метрик качества, которые могут быть применены для оценки результата на основании перечисленных признаков и характеристик: | false | true | false | |
4,252 | 2026-02-23T12:29:24.326000Z | 2026-02-23T18:24:11.266000Z | Lec. | По результатам приведенных характеристик строится график ошибок для каждого изображения в наборе данных, что позволит оценить качество работы алгоритма визуальной локализации беспилотного летательного аппарата | По результатам приведенных характеристик строится график ошибок для каждого изображения в наборе данных, что позволяет оценить качество работы алгоритма визуальной локализации беспилотного летательного аппарата. | false | true | true |
4,251 | 2026-02-23T12:29:22.560000Z | 2026-02-23T13:43:48.324000Z | Lec. | Рассмотрим основные признаки и характеристики, которые возможно получить путем анализа изображений и сопоставить с эталонными на карте: положение (координата), угол поворота дрона (насколько изображение повернуто относительно карты), высота (масштаб) | Рассмотрим основные признаки и характеристики, которые можно получить путем анализа изображений и сопоставить их с эталонными на карте: положение (координата), угол поворота дрона (насколько изображение повернуто относительно карты), высота (масштаб). | false | true | true |
4,250 | 2026-02-23T12:29:20.859000Z | 2026-02-23T13:45:27.611000Z | Lec. | Для тестирования алгоритмов сопоставления точек в задаче визуальной локализации БПЛА необходимо учитывать метрики, приближенные к реальным | Для тестирования алгоритмов сопоставления точек в задаче визуальной локализации БПЛА необходимо учитывать метрики, приближённые к реальным | false | true | true |
4,249 | 2026-02-23T12:29:19.101000Z | 2026-02-23T12:29:19.101000Z | Lec. | Скорость работы и универсальность систем, основанных на нейронных сетях, создадут задел для будущих исследований и создания систем визуальной локализации БПЛА, интегрированных с прочими системами, такими как LiDAR и инерциальными датчиками (IMU) | false | true | false | |
4,248 | 2026-02-23T12:29:17.234000Z | 2026-02-23T13:35:03.988000Z | Lec. | Также, необходимо учитывать опыт из смежных областей, использующих компьютерное зрение для визуальной локализации, таких как, например, беспилотные автомобили, которые тоже используют алгоритмы, основанные на нейронных сетях для определения положения, обнаружения объектов и безопасности движения | Также необходимо учитывать опыт из смежных областей, использующих компьютерное зрение для визуальной локализации, таких как, например, беспилотные автомобили, которые тоже используют алгоритмы, основанные на нейронных сетях для определения положения, обнаружения объектов и безопасности движения. | false | true | true |
4,247 | 2026-02-23T12:29:15.585000Z | 2026-02-23T13:49:59.530000Z | Lec. | Актуальность, как уже было указано в обзорных работах [3], подтверждается ростом количества исследований и перспективой развития алгоритмов, основанных на нейронных сетях | Актуальность, как уже было указано в обзорных работах [3], подтверждается ростом количества исследований и перспективой развития алгоритмов на основе нейронных сетей. | false | true | true |
4,246 | 2026-02-23T12:29:13.697000Z | 2026-02-23T12:29:13.697000Z | Lec. | Точность – важный параметр, в условиях съемки с БПЛА алгоритмы, основанные на нейронных сетях способны нейтрализовать шумы, помехи и изменяющиеся внешние условия съемки, такие как масштаб, угол поворота, и освещение | false | true | false | |
4,245 | 2026-02-23T12:29:11.811000Z | 2026-02-23T13:41:47.725000Z | Lec. | Подводя итоги анализа методов обработки видеопотка на языке Python, в описанной предметной области, из представленных методов обработки видеопотока подходящей является библиотека OpenCV, из-за ее простоты, возможности легко изменять параметры видеопотока, такие как цветовая палитра и формат изображений, так как некоторые алгоритмы требуют разных входных параметров | Подводя итоги анализа методов обработки видео на языке Python в описанной предметной области, из представленных методов обработки видео подходящей является библиотека OpenCV, из-за ее простоты и возможности легко изменять параметры видео, такие как цветовая палитра и формат изображений. Некоторые алгоритмы требуют разных входных параметров. | false | true | true |
4,244 | 2026-02-23T12:29:10.247000Z | 2026-02-23T12:29:10.247000Z | Lec. | FFmpeg, MoviePy и PyAV – крупные и мощные инструменты для работы с видео, но их функционал направлен на редактирование, конвертацию и задачи, направленные на работу с видео, например, создание САПР для видеомонтажа, сжатие и передача больших объемов видео, организации трансляций в реальном времени | false | true | false | |
4,243 | 2026-02-23T12:29:08.468000Z | 2026-02-23T12:29:08.468000Z | Lec. | Важным фактором в выборе данного метода анализа видеопотока является его интеграция с библиотеками для нейронных сетей и машинного обучения, таких как TensorFlow и PyTorch | false | true | false | |
4,242 | 2026-02-23T12:29:06.907000Z | 2026-02-23T15:44:21.482000Z | Lec. | PyAV – обертка вокруг FFmpeg, которая предоставляет низкоуровневый доступ к обработке видео и аудио | PyAV – обертка вокруг FFmpeg. Она предоставляет низкоуровневый доступ к обработке видео и аудио. | false | true | true |
4,241 | 2026-02-23T12:29:05.119000Z | 2026-02-23T17:17:19.404000Z | Lec. | MoviePy[23] – библиотека для редактирования видео, которая позволяет легко выполнять такие задачи, как обрезка, наложение текста, добавление эффектов | MoviePy[23] – библиотека для редактирования мультипликационного видео, которая позволяет легко выполнять такие задачи, как обрезка, наложение текста, добавление эффектов. | false | true | true |
4,240 | 2026-02-23T12:29:03.147000Z | 2026-02-23T17:05:51.119000Z | Lec. | FFmpeg[22] – мощная библиотека для обработки мультимедиа, которая используется через Python с помощью оберток | FFmpeg[22] – мощная библиотека для обработки мультимедиа, используемой через Python с помощью оберток. | false | true | true |
4,239 | 2026-02-23T12:29:01.407000Z | 2026-02-23T17:06:02.882000Z | Lec. | OpenCV (Open Source Computer Vision Library) [21] – одна из популярных библиотек для работы с компьютерным зрением | OpenCV (Open Source Computer Vision Library) – одна из популярных библиотек для работы с компьютерным зрением. | false | true | true |
4,238 | 2026-02-23T12:28:59.655000Z | 2026-02-23T12:28:59.655000Z | Lec. | Обработка видеопотоков — важная задача в компьютерном зрении, которая включает в себя анализ, фильтрацию, обнаружение объектов и другие операции с видео | false | true | false | |
4,237 | 2026-02-23T12:28:57.894000Z | 2026-02-23T12:28:57.894000Z | Lec. | OmniGlue – еще один современный алгоритм, который улучшает SuperGlue, добавляя возможность работы с гетерогенными данными (например, изображениями с разных камер или в разных условиях) [20] | false | true | false | |
4,236 | 2026-02-23T12:28:56.124000Z | 2026-02-23T12:28:56.124000Z | Lec. | LightGlue – улучшенная версия алгоритма SuperGlue, менее требовательная к вычислительным ресурсам [19] | false | true | false | |
4,235 | 2026-02-23T12:28:54.229000Z | 2026-02-23T16:41:59.485000Z | Lec. | Но, детектор ключевых точек используется внешний, например, SuperPoint [16] | Но детектор ключевых точек используется внешний, например, SuperPoint [16]. | false | true | true |
4,234 | 2026-02-23T12:28:52.667000Z | 2026-02-23T13:51:14.729000Z | Lec. | SuperPoint – алгоритм, использующий CNN (сверточная нейронная сеть) для обнаружения ключевых точек, после чего вычисляет их дескрипторы [14] | SuperPoint – алгоритм, использующий CNN (сверточные нейронные сети) для обнаружения ключевых точек, после чего вычисляет их дескрипторы [14] | false | true | true |
4,233 | 2026-02-23T12:28:50.890000Z | 2026-02-23T12:28:50.890000Z | Lec. | В результате, исследования в области алгоритмов навигации с использованием нейронных сетей является перспективной областью для исследования [3] | false | true | false | |
4,232 | 2026-02-23T12:28:48.970000Z | 2026-02-23T12:28:48.970000Z | Lec. | Но многие алгоритмы, основанные на глубоком обучении, решают другие проблемы, расширяя возможности визуальной локализации БПЛА по сравнению с алгоритмами, основанными на классических методах | false | true | false | |
4,231 | 2026-02-23T12:28:47.196000Z | 2026-02-23T13:39:29.468000Z | Lec. | Не все недостатки классических методов устраняются путем использования алгоритмов, основанных на глубоком обучении | Не все недостатки классических методов устраняются путем использования алгоритмов, основанных на глубоком обучении. | false | true | true |
4,230 | 2026-02-23T12:28:45.630000Z | 2026-02-23T12:28:45.630000Z | Lec. | Также, к аппаратному обеспечению выставляются повышенные требования к надежности и безопасности, так как БПЛА часто летает в сложных внешних условиях, в том числе погодных | false | true | false | |
4,229 | 2026-02-23T12:28:44.015000Z | 2026-02-23T13:41:37.341000Z | Lec. | Память необходима как для хранения карт, так и для обработки данных в реальном времени | Память необходима как для хранения карт, так и для обработки данных в реальном времени. | false | true | true |
4,228 | 2026-02-23T12:28:42.249000Z | 2026-02-23T12:28:42.249000Z | Lec. | Также использование GPU увеличит энергопотребление, что критически важно для БПЛА повышенной дальности | false | true | false | |
4,227 | 2026-02-23T12:28:40.482000Z | 2026-02-23T12:28:40.482000Z | Lec. | Современные алгоритмы, основанные на глубоком обучении, требуют GPU, но использование GPU усложняет систему, увеличивает вес | false | false | false | |
4,226 | 2026-02-23T12:28:38.679000Z | 2026-02-23T17:17:32.127000Z | Lec. | БПЛА, особенно легкие и средние, сталкиваются с проблемой особенно серьезно | БПЛА, особенно легкие и средние, сталкиваются с проблемами особенно серьезными | false | true | true |
4,225 | 2026-02-23T12:28:36.952000Z | 2026-02-23T12:28:36.952000Z | Lec. | Вызовы, связанные с аппаратными возможностями БПЛА, с ограниченностью вычислительных ресурсов | false | true | false | |
4,224 | 2026-02-23T12:28:35.247000Z | 2026-02-23T12:28:35.247000Z | Lec. | Описанные вызовы, в первую очередь, связано с неидеальными условиями получения кадров с камер | false | true | false | |
4,223 | 2026-02-23T12:28:33.611000Z | 2026-02-23T13:44:29.194000Z | Lec. | Основные задачи и вызовы в данной предметной области, которые необходимо решить в области визуальной локализации БПЛА условно делятся на 2 части: связанные с полученным изображением с камеры и связанные с возможностями аппаратного обеспечения БПЛА | Основные задачи и вызовы в данной предметной области, которые необходимо решить в области визуальной локализации БПЛА условно делятся на две части: связанные с полученным изображением с камеры и связанные с возможностями аппаратного обеспечения БПЛА. | false | true | true |
4,222 | 2026-02-23T12:28:31.770000Z | 2026-02-23T13:28:26.583000Z | Lec. | Таким образом, актуальность области исследования непрерывно растет | Таким образом, актуальность области исследования непрерывно возрастает | false | true | true |
4,221 | 2026-02-23T12:28:30.062000Z | 2026-02-23T13:44:56.006000Z | Lec. | Визуальная локализация – область с более длинной историей, но рост количества патентов (Рисунок 4) и научных работ (Рисунок 5) сопоставим с ростом патентов в области БПЛА | Визуальная локализация – область с более длинной историей. Однако рост количества патентов (Рисунок 4) и научных работ (Рисунок 5) сопоставим с ростом патентов в области БПЛА. | false | true | true |
4,220 | 2026-02-23T12:28:28.303000Z | 2026-02-23T17:48:51.500000Z | Lec. | Похожая тенденция наблюдается и в количестве научных работ, связанных с БПЛА (Рисунок 3) | Похожая тенденция наблюдается и в количестве научных работ, связанных с БПЛАх (Рисунок 3). | false | true | true |
4,219 | 2026-02-23T12:28:26.673000Z | 2026-02-23T12:28:26.673000Z | Lec. | На графике (Рисунок 2) видно, что за последние 10 лет количество патентов в области БПЛА росло экспоненциально, практически с нуля | false | true | false | |
4,218 | 2026-02-23T12:28:24.910000Z | 2026-02-23T12:28:24.910000Z | Lec. | Помимо числа запросов в интернете, чтобы оценить актуальность выбранной предметной области, необходимо провести дополнительный анализ среди научно-технических баз[5] по количеству патентов и научных работ как в целом в отрасли, так и в конкретной ее области (визуальной локализации) | false | true | false | |
4,217 | 2026-02-23T12:28:23.016000Z | 2026-02-23T12:28:23.016000Z | Lec. | Анализируя запросы в интернете за последние 5 лет, из графика (Рисунок 1) в сервисе «Яндекс.Вордстат»[4] видно, что количество запросов стремительно растет как номинально, так и относительно общего числа запросов | false | true | false | |
4,216 | 2026-02-23T12:28:21.270000Z | 2026-02-23T12:28:21.270000Z | Lec. | Актуальными алгоритмами сопоставления изображений являются алгоритмы, основанные на нейронных сетях и глубинном обучении, которые и используются и анализируются в работе[3] | false | true | false | |
4,215 | 2026-02-23T12:28:19.508000Z | 2026-02-23T12:28:19.508000Z | Lec. | Такими признаками часто выступают ключевые точки или отдельные пиксели, уникальные или специально помеченные объекты или области на изображениях | false | true | false | |
4,214 | 2026-02-23T12:28:17.872000Z | 2026-02-23T12:28:17.872000Z | Lec. | Алгоритм сопоставления изображений – алгоритм компьютерного зрения, позволяющий определять и сопоставлять признаки двух изображений между собой | false | true | false | |
4,213 | 2026-02-23T12:28:16.115000Z | 2026-02-23T12:28:16.115000Z | Lec. | По приведенным причинам, безопасность дистанционного управления БПЛА находится под угрозой | false | true | false | |
4,212 | 2026-02-23T12:28:14.567000Z | 2026-02-23T13:37:15.448000Z | Lec. | Сигнал с описанных систем подвержен нестабильности, перехватам, подвержен любым атакам, возможным для систем беспроводной связи | Сигнал с описанных систем подвержен нестабильности, перехватам. Подвержен любым атакам, возможным для систем беспроводной связи. | false | true | true |
4,211 | 2026-02-23T12:28:12.924000Z | 2026-02-23T15:44:59.424000Z | Lec. | Система визуальной локализации работает локально, в режиме реального времени, что уменьшает риск внешнего информационного воздействия на траекторию полета БПЛА | Система визуальной локализации работает локально, в режиме реального времени, что уменьшает риск внешних информационных воздействий на траекторию полета БПЛА | false | true | true |
4,210 | 2026-02-23T12:28:11.329000Z | 2026-02-23T13:32:26.232000Z | Lec. | Описанные методы выбраны, так как по сравнению с классическими алгоритмами сопоставления изображений, алгоритмы на базе нейронных сетей устойчивы к изменению освещения, масштаба и перспективы | Описанные методы выбраны, так как по сравнению с классическими алгоритмами сопоставления изображений алгоритмы на базе нейронных сетей устойчивы к изменению освещения, масштаба и перспективы. | false | true | true |
4,209 | 2026-02-23T12:28:09.694000Z | 2026-02-23T17:47:05.567000Z | Lec. | Один из способов решить проблему – создать систему визуальной локализации для БПЛА | Один из способов решить проблему – создать систему визуальной локализации для БПЛА. | false | true | true |
4,208 | 2026-02-23T12:28:08.044000Z | 2026-02-23T13:27:58.221000Z | Lec. | Главными проблемами таких каналов связи являются их уязвимость и нестабильность, подверженность внешним атакам, что критически важно в экстренных ситуациях, дальних полетах и использованием дорогих БПЛА | Главными проблемами таких каналов связи являются их уязвимость и нестабильность, подверженность внешним атакам, что критически важно в экстренных ситуациях, на дальних полетах и при использовании дорогих БПЛА. | false | true | true |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.