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 |
|---|---|---|---|---|---|---|---|---|
12,807 | 2026-02-24T11:06:49.011000Z | 2026-02-24T11:06:49.011000Z | Lec. | К счастью, [36] приводит исследование готовых open-source решений S3 хранилищ | false | true | false | |
12,806 | 2026-02-24T11:06:47.126000Z | 2026-02-24T11:06:47.126000Z | Lec. | К сожалению, разработка подобного решения может занять слишком много времени, которое можно было бы потратить на более глубокое исследование темы текущей работы | false | true | false | |
12,805 | 2026-02-24T11:06:45.371000Z | 2026-02-24T11:06:45.371000Z | Lec. | Архитектура S3 хранилища | false | true | false | |
12,804 | 2026-02-24T11:06:43.351000Z | 2026-02-24T11:06:43.351000Z | Lec. | Авторы подчёркивают повышение «эластичности» данных, а также описывают подходящую архитектуру для такого хранилища, включающую в себя систему маршрутизации, авторизации, API сервер и т.д. (рисунок 5) | false | true | false | |
12,803 | 2026-02-24T11:06:41.641000Z | 2026-02-24T11:06:41.641000Z | Lec. | Исследование [35] рассматривает решение задач удалённого хранения файлов с помощью построение своей simple storage service (S3) платформы | false | true | false | |
12,802 | 2026-02-24T11:06:39.890000Z | 2026-02-24T11:06:39.890000Z | Lec. | Хранение всех изображений на локальном компьютере повышает риск их утери, а также делает дальнейшую работу с ними затруднительной при взаимодействии с ними с помощью удалённых платформ | false | true | false | |
12,801 | 2026-02-24T11:06:38.160000Z | 2026-02-24T11:06:38.160000Z | Lec. | Главным минусом использования данных форматов является потеря человекочитаемости данных | false | true | false | |
12,800 | 2026-02-24T11:06:36.481000Z | 2026-02-24T11:06:36.481000Z | Lec. | Каждый из них имеет свои особенности, однако в целом они увеличивают скорость чтения данных за счет оптимизированного хранения и использования буферизации, а также поддерживают эффективную потоковую загрузку | false | true | false | |
12,799 | 2026-02-24T11:06:34.706000Z | 2026-02-24T11:06:34.706000Z | Lec. | Специализированные форматы, такие как TFRecord [31], HDF5 [32], WebDataset [33], LMDB [34], разработаны для хранения больших объемов данных | false | true | false | |
12,798 | 2026-02-24T11:06:32.890000Z | 2026-02-24T11:06:32.890000Z | Lec. | Архивирование уменьшает занимаемый данными объем на файловой системе и ускоряет копирования, но вместе с тем требует дополнительных вычислительных затрат на распаковку | false | true | false | |
12,797 | 2026-02-24T11:06:31.326000Z | 2026-02-24T11:06:31.326000Z | Lec. | В качестве развития данного подхода можно рассмотреть хранение данных в архивах и в виде специализированных форматов | false | true | false | |
12,796 | 2026-02-24T11:06:29.391000Z | 2026-02-24T11:06:29.391000Z | Lec. | Недостатками же являются снижение производительности при чтении большого количества мелких файлов, особенно с традиционных жестких дисков (HDD), риск их утери ввиду отсутствия резервирования, а также сложность управления метаданными | false | true | false | |
12,795 | 2026-02-24T11:06:27.570000Z | 2026-02-24T11:06:27.570000Z | Lec. | Основными преимуществами данного подхода является простота реализации, возможность визуальной инспекции данных, поддержка стандартными средствами библиотек глубокого обучения (например, в TensorFlow [29] и в PyTorch [30]) | false | true | false | |
12,794 | 2026-02-24T11:06:25.741000Z | 2026-02-24T11:06:25.741000Z | Lec. | Дополнительно может использоваться отдельный файл (например, CSV, JSON) с метаданными, связывающий имена файлов с метками или другой релевантной информацией | false | true | false | |
12,793 | 2026-02-24T11:06:23.724000Z | 2026-02-24T11:06:23.724000Z | Lec. | Наиболее часто структура директорий отражает метки классов, что упрощает загрузку данных для обучения | false | true | false | |
12,792 | 2026-02-24T11:06:21.938000Z | 2026-02-24T11:06:21.938000Z | Lec. | Изображения сохраняются в виде отдельных файлов стандартных форматов (JPEG, PNG и др.) в иерархической структуре директорий | false | true | false | |
12,791 | 2026-02-24T11:06:20.387000Z | 2026-02-24T11:06:20.387000Z | Lec. | Наиболее интуитивно понятным и широко распространенным подходом является файловое хранение данных [28] | false | true | false | |
12,790 | 2026-02-24T11:06:18.772000Z | 2026-02-24T11:06:18.772000Z | Lec. | В связи с этим, организация хранения и эффективный доступ к изображениям становятся значимыми инженерными и исследовательскими задачами | false | true | false | |
12,789 | 2026-02-24T11:06:17.018000Z | 2026-02-24T11:06:17.018000Z | Lec. | Это обусловлено необходимостью обеспечения обобщающей способности моделей и их устойчивости к разнообразным входным данным | false | true | false | |
12,788 | 2026-02-24T11:06:15.467000Z | 2026-02-24T11:06:15.467000Z | Lec. | В современных исследованиях в области глубокого обучения размеры наборов данных для обучения моделей компьютерного зрения неуклонно растут | false | true | false | |
12,787 | 2026-02-24T11:06:13.704000Z | 2026-02-24T11:06:13.704000Z | Lec. | Неотделимым этапом от получения изображений является их сохранение | false | true | false | |
12,786 | 2026-02-24T11:06:11.994000Z | 2026-02-24T11:06:11.994000Z | Lec. | В связи с проведённым анализом, было выяснено, что для целей сбора изображений, содержащих здания, наиболее релевантным источником является Google Streetview API, благодаря возможности сохранять изображения и отсутствия ограничения на это в лицензионном соглашении | false | true | false | |
12,785 | 2026-02-24T11:06:10.444000Z | 2026-02-24T11:06:10.444000Z | Lec. | Более того, согласно условиям использования Яндекс карт [27], пользователь не имеет право «Сохранять, обрабатывать и видоизменять полученные через Сервисы Данные, Данные личного кабинета (включая результаты ответа на запросы HTTP Геокодирования, Геокодирования и Маршрутизации), за исключением случаев временного хранения (кэширования) результатов ответа на запросы исключительно для целей улучшения функциональности и работоспособности Сервисов и только для использования в рамках возможностей, предоставляемых Сервисами, на срок не более 30 дней.» что заставляет отказаться от использования данного сервиса для получения изображений панорам | false | true | false | |
12,784 | 2026-02-24T11:06:08.716000Z | 2026-02-24T11:06:08.716000Z | Lec. | Если перейти в документацию к Yandex map javascript API [26], то в ней не обнаружится метода для сохранения изображений панорам | false | true | false | |
12,783 | 2026-02-24T11:06:07.042000Z | 2026-02-24T11:06:07.042000Z | Lec. | The request may succeed if you try again | false | true | false | |
12,782 | 2026-02-24T11:06:05.551000Z | 2026-02-24T11:06:05.551000Z | Lec. | This issue is often temporary | false | true | false | |
12,781 | 2026-02-24T11:06:04.021000Z | 2026-02-24T11:06:04.021000Z | Lec. | Indicates that the request couldn't be processed due to a server error | false | true | false | |
12,780 | 2026-02-24T11:06:02.559000Z | 2026-02-24T11:06:02.559000Z | Lec. | Generally, indicates that the query parameters (address, latitude and longitude coordinates, or components) are missing. "UNKNOWN_ERROR" | false | true | false | |
12,779 | 2026-02-24T11:06:00.977000Z | 2026-02-24T11:06:00.977000Z | Lec. | This message may occur if you did not authorize your request, or if the Street View Static API is not activated in the Google Cloud console project containing your API key. "INVALID_REQUEST" | false | true | false | |
12,778 | 2026-02-24T11:05:59.519000Z | 2026-02-24T11:05:59.519000Z | Lec. | Indicates that your request was denied | false | false | false | |
12,777 | 2026-02-24T11:05:58.048000Z | 2026-02-24T11:05:58.048000Z | Lec. | Indicates that you have exceeded your daily quota or per-second quota for this API. "REQUEST_DENIED" | false | false | false | |
12,776 | 2026-02-24T11:05:56.385000Z | 2026-02-24T11:05:56.385000Z | Lec. | This message may occur if a non-existent address is given. "OVER_QUERY_LIMIT" | false | true | false | |
12,775 | 2026-02-24T11:05:54.973000Z | 2026-02-24T11:05:54.973000Z | Lec. | Indicates that the address string provided in the location parameter couldn't be found | false | true | false | |
12,774 | 2026-02-24T11:05:53.579000Z | 2026-02-24T11:05:53.579000Z | Lec. | See [Refresh deleted panorama IDs](#refresh-pano). "NOT_FOUND" | false | true | false | |
12,773 | 2026-02-24T11:05:51.904000Z | 2026-02-24T11:05:51.904000Z | Lec. | This response can occur if you provide a non-existent or invalid panorama ID | false | true | false | |
12,772 | 2026-02-24T11:05:50.518000Z | 2026-02-24T11:05:50.518000Z | Lec. | Indicates that no panorama could be found near the provided location | false | false | false | |
12,771 | 2026-02-24T11:05:49.079000Z | 2026-02-24T11:05:49.079000Z | Lec. | Indicates that no errors occurred; a panorama is found and metadata is returned. "ZERO_RESULTS" | false | true | false | |
12,770 | 2026-02-24T11:05:47.385000Z | 2026-02-24T11:05:47.385000Z | Lec. | Description. “OK” | false | true | false | |
12,769 | 2026-02-24T11:05:45.771000Z | 2026-02-24T11:05:45.771000Z | Lec. | Ответы системы в зависимости от запроса | false | true | false | |
12,768 | 2026-02-24T11:05:43.359000Z | 2026-02-24T11:05:43.359000Z | Lec. | Пример ответа системы | false | true | false | |
12,767 | 2026-02-24T11:05:41.815000Z | 2026-02-24T11:05:41.815000Z | Lec. | Помимо удобного формата изображения, Streetview API имеет подробную документацию, которая помимо описания требований и форматов обращений, также описывает форматы вывода, как показано на рисунке 4, а ещё возможные ответы системы, включая ошибки (таблица 2) | false | true | false | |
12,766 | 2026-02-24T11:05:39.811000Z | 2026-02-24T11:05:39.811000Z | Lec. | Такой подход к формированию изображений очень полезен, так как включает в себя сразу все объекты без необходимости указывать направления камеры | false | true | false | |
12,765 | 2026-02-24T11:05:38.179000Z | 2026-02-24T11:05:38.179000Z | Lec. | Пример панорамного изображения | false | true | false | |
12,764 | 2026-02-24T11:05:36.638000Z | 2026-02-24T11:05:36.638000Z | Lec. | В исследовании [25] особое внимание уделяется тому, как были собраны данные для панорам – автомобилями, оборудованными системой из 15 небольших камер, собранных в шар, что позволило получить изображения, включающие информацию обо всех объектах вокруг, как показано на рисунке 3 | false | true | false | |
12,763 | 2026-02-24T11:05:34.835000Z | 2026-02-24T11:05:34.835000Z | Lec. | Для получения доступа к панорамам в системе google maps разработан инструмент Streetview API [24] | false | true | false | |
12,762 | 2026-02-24T11:05:33.062000Z | 2026-02-24T11:05:33.062000Z | Lec. | Стоит отметить, что оба решения имеют у себя в наличии панорамы городов, но большое внимание в приведённых исследованиях им не уделяется | false | true | false | |
12,761 | 2026-02-24T11:05:31.401000Z | 2026-02-24T11:05:31.401000Z | Lec. | Тем не менее, исследователи отмечают, что документация google maps более подробна, относительно конкурента, что может быть ключевым критерием | false | true | false | |
12,760 | 2026-02-24T11:05:29.787000Z | 2026-02-24T11:05:29.787000Z | Lec. | Так, [22] отмечает более высокое покрытие карт городов России, а также более высокую детализацию в Яндекс картах, помимо этого, [23] отмечают более подробное описание некоторых категорий объектов в Яндекс картах, а также недоступность многих объектов в google maps | false | true | false | |
12,759 | 2026-02-24T11:05:28.015000Z | 2026-02-24T11:05:28.015000Z | Lec. | Обе разработки имеют в себе различные особенности, на которые стоит обратить внимание при выборе | false | true | false | |
12,758 | 2026-02-24T11:05:26.301000Z | 2026-02-24T11:05:26.301000Z | Lec. | На текущий момент на рынке представлено несколько решений в среде интерактивных карт, однако основными из них являются google maps [20]и Яндекс карты [21] | false | true | false | |
12,757 | 2026-02-24T11:05:24.629000Z | 2026-02-24T11:05:24.629000Z | Lec. | Особенно стоит отметить важность безопасности и скорости доставки данных, ведь в рамках нашего исследования предполагается автоматизированная сборка изображений, потому эти пункты наиболее критичны | false | true | false | |
12,756 | 2026-02-24T11:05:22.961000Z | 2026-02-24T11:05:22.961000Z | Lec. | Среди его преимуществ исследователи выделяют:. высокую совместимость;. масштабируемость;. модульность;. безопасность;. оптимизированную скорость доставки данных | false | true | false | |
12,755 | 2026-02-24T11:05:20.965000Z | 2026-02-24T11:05:20.965000Z | Lec. | К счастью, исследователи приводят альтернативу в виде использования application program interface (API) как отличный метод для эффективного сбора данных с машиночитаемой структурой, а также понятными ограничениями. [19] описывает API как набор правил и протоколов, который позволяет взаимодействовать различным приложениям для получения и отправки данных через интернет | false | true | false | |
12,754 | 2026-02-24T11:05:19.161000Z | 2026-02-24T11:05:19.161000Z | Lec. | Автор отмечает, что использование нейронных сетей вместе с веб-драйверами имеет большой потенциал, однако методы получения изображений нуждаются в доработке. [17] также отмечает сложность использования различных методов сбора изображений с сайтов, особенно выделяя проблемы при получении доступа к ним | false | true | false | |
12,753 | 2026-02-24T11:05:17.105000Z | 2026-02-24T11:05:17.105000Z | Lec. | Среди основных авторы выделяют традиционные методы, заключающиеся в автоматизированном или полуавтоматизированном анализе HTML разметки страниц сайта для выгрузки необходимых данных; веб-драйвера, которые имитируют поведения человека на странице сайта; использование нейронных сетей, которые анализируют и находят необходимую информацию на сайте | false | true | false | |
12,752 | 2026-02-24T11:05:15.193000Z | 2026-02-24T11:05:15.193000Z | Lec. | Из приведённого исследования можно подчеркнуть, что для формирования датасета для задачи классификации и детекции зданий можно использовать изображения с панорам на интерактивных картах. [18] предлагает несколько способов сбора изображений со страниц сайтов | false | true | false | |
12,751 | 2026-02-24T11:05:13.465000Z | 2026-02-24T11:05:13.465000Z | Lec. | В исследовании [17] приводятся различные методики сбора данных для геопространственного анализа | false | true | false | |
12,750 | 2026-02-24T11:05:11.616000Z | 2026-02-24T11:05:11.616000Z | Lec. | Возникла задача сбора фотографий зданий с различных ракурсов | false | true | false | |
12,749 | 2026-02-24T11:05:09.963000Z | 2026-02-24T11:05:09.963000Z | Lec. | Для обучения кластера нейронных моделей, который будет полезен при геопространственном анализе было решено сформировать датасет изображений зданий в зависимости от их типа (жилое, коммерческое, индустриальное и т.д.) | false | true | false | |
12,748 | 2026-02-24T11:05:08.223000Z | 2026-02-24T11:05:08.223000Z | Lec. | Наиболее важным и трудоёмким процессом при формировании систем, включающих в себя модели искусственного интеллекта – формирование датасета для обучения машинного интеллекта | false | true | false | |
12,747 | 2026-02-24T11:05:06.565000Z | 2026-02-24T11:05:06.565000Z | Lec. | Например, в [16] была предложена система классификации веб-изображений на основе глубокой нейронной сети | false | true | false | |
12,746 | 2026-02-24T11:05:04.679000Z | 2026-02-24T11:05:04.679000Z | Lec. | Исследователями было разработано несколько алгоритмов и моделей машинного обучения для веб-приложений, включая машины опорных векторов, случайные леса и нейронные сети [15] | false | true | false | |
12,745 | 2026-02-24T11:05:02.906000Z | 2026-02-24T11:05:02.906000Z | Lec. | Машинное обучение стало неотъемлемой частью многих веб-сервисов, начиная от классификации изображений и обработки естественного языка и заканчивая рекомендательными системами [14] | false | true | false | |
12,744 | 2026-02-24T11:05:01.140000Z | 2026-02-24T11:05:01.140000Z | Lec. | В исследовании [13] изучалось сочетание таких моделей, как SAM и YOLOv8, что позволило достичь средней точности в 90 % | false | false | false | |
12,743 | 2026-02-24T11:04:59.216000Z | 2026-02-24T11:04:59.216000Z | Lec. | В недавнем исследовании [12] предложена 3D CNNs (Convolutional Neural Networks) для классификации зданий с использованием 3D облаков точек | false | true | false | |
12,742 | 2026-02-24T11:04:57.371000Z | 2026-02-24T11:04:57.371000Z | Lec. | Например, в [11] предложен подход к классификации зданий на основе глубокого обучения с использованием спутниковых снимков высокого разрешения | false | true | false | |
12,741 | 2026-02-24T11:04:55.391000Z | 2026-02-24T11:04:55.391000Z | Lec. | Было предложено несколько алгоритмов и моделей для классификации зданий на основе изображений и 3D облаков точек [10] | false | true | false | |
12,740 | 2026-02-24T11:04:53.554000Z | 2026-02-24T11:04:53.554000Z | Lec. | К настоящему времени методы компьютерного зрения широко используются для классификации и обнаружения зданий в градостроительстве, архитектуре и управлении строительством [9] | false | true | false | |
12,739 | 2026-02-24T11:04:51.784000Z | 2026-02-24T11:04:51.784000Z | Lec. | Предлагаемый проект использует эти достижения в области ГИС и интерактивных карт для разработки удобного интерфейса для классификации зданий | false | true | false | |
12,738 | 2026-02-24T11:04:50.008000Z | 2026-02-24T11:04:50.008000Z | Lec. | Например, проект OpenStreetMap — это совместная инициатива по созданию бесплатной редактируемой карты мира, которая применяется в различных условиях, включая реагирование на стихийные бедствия и восстановление [8] | false | true | false | |
12,737 | 2026-02-24T11:04:48.224000Z | 2026-02-24T11:04:48.225000Z | Lec. | Разработана серия инструментов для веб-приложений ГИС, которые позволяют пользователям в интерактивном режиме проводить визуализацию данных и базовый пространственный анализ на картах [7] | false | true | false | |
12,736 | 2026-02-24T11:04:46.444000Z | 2026-02-24T11:04:46.444000Z | Lec. | В последнее время ГИС и интерактивные карты находят широкое применение в градостроительстве, транспорте и системах экстренного реагирования (ERS) [6] | false | true | false | |
12,735 | 2026-02-24T11:04:44.680000Z | 2026-02-24T11:04:44.680000Z | Lec. | Тем не менее, эффективный сбор датасета и обучения на нём моделей для решения задач геопространственного анализа всё ещё является непростой задачей, которая данная работа собирается решить | false | true | false | |
12,734 | 2026-02-24T11:04:43.030000Z | 2026-02-24T11:04:43.030000Z | Lec. | Причинами подобного роста популярности, как уже описывалось выше – большое количество данных, из которых можно составить датасеты для обучения нейронных моделей | false | true | false | |
12,733 | 2026-02-24T11:04:41.403000Z | 2026-02-24T11:04:41.403000Z | Lec. | Geospatial analysis. 0.71. 0.49. 1 | false | true | false | |
12,732 | 2026-02-24T11:04:39.590000Z | 2026-02-24T11:04:39.590000Z | Lec. | Building classification. 0.63. 1. 0.49 | false | false | false | |
12,731 | 2026-02-24T11:04:37.885000Z | 2026-02-24T11:04:37.885000Z | Lec. | Building detection. 1. 0.63. 0.71 | false | false | false | |
12,730 | 2026-02-24T11:04:36.106000Z | 2026-02-24T11:04:36.106000Z | Lec. | Geospatial analysis | false | false | false | |
12,729 | 2026-02-24T11:04:34.605000Z | 2026-02-24T11:04:34.605000Z | Lec. | Building classification | false | false | false | |
12,728 | 2026-02-24T11:04:33.113000Z | 2026-02-24T11:04:33.113000Z | Lec. | Building detection | false | false | false | |
12,727 | 2026-02-24T11:04:31.651000Z | 2026-02-24T11:04:31.651000Z | Lec. | Корреляция между популярностью запросов | false | true | false | |
12,726 | 2026-02-24T11:04:30.146000Z | 2026-02-24T11:04:30.146000Z | Lec. | График популярности запросов в интернете | false | true | false | |
12,725 | 2026-02-24T11:04:28.514000Z | 2026-02-24T11:04:28.514000Z | Lec. | Как показывает тенденция запросов в Google Trends (рисунок 2), за последние 5 лет популярность запросов building classification и geospatial analysis возросло, причём популярность обоих запросов как показано на рисунке имеет высокую взаимную корреляцию, которая продемонстрирована в таблице 1 | false | true | false | |
12,724 | 2026-02-24T11:04:26.541000Z | 2026-02-24T11:04:26.541000Z | Lec. | Геопространственный анализ тоже не обошла эта тенденция | false | true | false | |
12,723 | 2026-02-24T11:04:25.026000Z | 2026-02-24T11:04:25.026000Z | Lec. | История развития моделей детекции | false | false | false | |
12,722 | 2026-02-24T11:04:23.298000Z | 2026-02-24T11:04:23.298000Z | Lec. | Сегодня методы машинного обучения применяются в медицине, промышленности, обучении и других областях | false | true | false | |
12,721 | 2026-02-24T11:04:21.549000Z | 2026-02-24T11:04:21.549000Z | Lec. | Отправной точкой для этого стало появление AlexNet (указано на рисунке 1), революционный на тот момент модели, которая показала возможность эффективного использования методов машинного обучения для решения практических задач | false | true | false | |
12,720 | 2026-02-24T11:04:19.710000Z | 2026-02-24T11:04:19.710000Z | Lec. | В последние годы с появлением современных архитектур нейронных сетей, которые способны обнаруживать и классифицировать объекты на изображениях, применение нейронных сетей многократно возросло [5] | false | true | false | |
12,719 | 2026-02-24T11:04:17.935000Z | 2026-02-24T11:04:17.935000Z | Lec. | Геопространственный анализ активно использует методы автоматизированного сбора данных, что позволяет эффективно формировать датасеты для обучения моделей глубокого обучения [4] | false | true | false | |
12,718 | 2026-02-24T11:04:16.172000Z | 2026-02-24T11:04:16.172000Z | Lec. | С увеличением объёма данных, содержащих географическую информацию, всё больший приоритет отдаётся автоматизации их анализа, а с развитием глубокого обучения (deep learning), чаще встаёт вопрос о его применении в задачах геопространственного анализа [3] | false | true | false | |
12,717 | 2026-02-24T11:04:14.296000Z | 2026-02-24T11:04:14.297000Z | Lec. | Качественный анализ геопространственных данных позволяет выявлять проблемные зоны отдельных улиц и районов, что способствует эффективному распределению ресурсов при реализации проектов, направленных на улучшение качества жизни горожан [2] | false | true | false | |
12,716 | 2026-02-24T11:04:12.518000Z | 2026-02-24T11:04:12.518000Z | Lec. | В наше время особое внимание уделяется его применение при планировании инфраструктуры городов | false | true | false | |
12,715 | 2026-02-24T11:04:10.582000Z | 2026-02-24T11:04:10.582000Z | Lec. | Геопространственный анализ – процесс изучения данных, содержащих географические компоненты, для выявления и изучения пространственных закономерностей [1] | false | true | false | |
12,714 | 2026-02-24T11:04:08.648000Z | 2026-02-24T11:04:08.648000Z | Lec. | Приложение Г 76 | false | true | false | |
12,713 | 2026-02-24T11:04:07.026000Z | 2026-02-24T11:04:07.026000Z | Lec. | Приложение В 73 | false | false | false | |
12,712 | 2026-02-24T11:04:05.370000Z | 2026-02-24T11:04:05.370000Z | Lec. | Приложение Б 72 | false | false | false | |
12,711 | 2026-02-24T11:04:03.538000Z | 2026-02-24T11:04:03.538000Z | Lec. | Приложение А 71 | false | false | false | |
12,710 | 2026-02-24T11:04:02.030000Z | 2026-02-24T11:04:02.030000Z | Lec. | Список литературы 60 | false | false | false | |
12,709 | 2026-02-24T11:04:00.324000Z | 2026-02-24T11:04:00.324000Z | Lec. | Заключение 59 | false | false | false | |
12,708 | 2026-02-24T11:03:58.661000Z | 2026-02-24T11:03:58.662000Z | Lec. | Задачи 10. 1 Обзор существующих решений 11. 1.1 Обзор аналогов 11. 1.2 Подход к сбору изображений 12. 1.3 Подход к сохранению изображений 16. 1.4 Разметка датасета 18. 1.5 Анализ датасета методами детекции 21. 1.6 Анализ датасета методами классификации 23. 1.7 Подходы к обучению моделей 24. 1.8 Использование иного подхода для получения характеристик изображений 25. 1.9 Демонстрация результатов 27. 2 Сбор датасета 30. 2.1 Источник фотографий зданий 30. 2.2 Выбор объектного хранилища 33. 2.3 Установка объектного хранилища 35. 2.4 Настройка хранилища 36. 2.5 Правила ручной разметки фотографий 37. 2.6 Методы предобработки 39. 3 Архитектура классификатора 45. 3.1 Подбор и сравнение моделей детекции 45. 3.2 Подбор моделей классификации 50. 3.3 Обзор, анализ и применение VLM моделей 53. 4 Демонстрация результатов 57. 5 Вклад участников 58. 5.1 Абрамов Илья Александрович 58. 5.2 Камакин Андрей Юрьевич 58. 5.3 Моисеев Николай Денисович 58 | false | false | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.