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
7,307
2026-02-24T08:22:08.927000Z
2026-02-24T08:22:08.927000Z
Lec.
Для повышения устойчивости были разработаны более продвинутые методы, такие как Kernelized Correlation Filters (KCF) [8], который использовал ядерные функции для работы с нелинейными пространствами признаков
false
true
false
7,306
2026-02-24T08:22:07.168000Z
2026-02-24T08:22:07.168000Z
Lec.
MOSSE был чувствителен к изменению масштаба и вращению объекта, что ограничивало его применение в сложных сценах
false
true
false
7,305
2026-02-24T08:22:05.422000Z
2026-02-24T08:22:05.422000Z
Lec.
Метод обеспечивал высокую скорость обработки (сотни кадров в секунду) за счет использования быстрого преобразования Фурье (FFT) для вычисления корреляции между шаблоном объекта и областью поиска
false
true
false
7,304
2026-02-24T08:22:03.668000Z
2026-02-24T08:22:03.668000Z
Lec.
Из наиболее известных алгоритмов этого класса является MOSSE (Minimum Output Sum of Squared Errors), предложенный в работе [7]
false
true
false
7,303
2026-02-24T08:22:02.043000Z
2026-02-24T08:22:02.043000Z
Lec.
Одним из первых эффективных методов трекинга стали корреляционные фильтры, которые позволяли предсказывать перемещение объекта между кадрами на основе свёрточных операций
false
true
false
7,302
2026-02-24T08:22:00.267000Z
2026-02-24T08:22:00.267000Z
Lec.
Рисунок 1 - Методы детекции, ретроспектива [6]
false
true
false
7,301
2026-02-24T08:21:58.714000Z
2026-02-24T08:21:58.714000Z
Lec.
Развитие методов трекинга объектов отлично отражено в статье [6], где подробно объяснено развитие трекинга объектов до текущего десятилетия (Рисунок 1)
false
true
false
7,300
2026-02-24T08:21:56.899000Z
2026-02-24T08:21:56.899000Z
Lec.
В данном разделе рассматривается развитие методов, их преимущества и недостатки, а также ключевые работы, повлиявшие на дальнейший прогресс в области компьютерного зрения
false
true
false
7,299
2026-02-24T08:21:55.248000Z
2026-02-24T08:21:55.248000Z
Lec.
Классические подходы, основанные на корреляционных фильтрах и оптических потоках, заложили фундамент для современных решений, но имели существенные ограничения, связанные с устойчивостью к изменениям освещения, окклюзиям и сложным траекториям движения
false
true
false
7,298
2026-02-24T08:21:53.470000Z
2026-02-24T08:21:53.470000Z
Lec.
Алгоритмы трекинга объектов в видеопотоках прошли эволюцию, начиная с простых корреляционных и оптических методов и заканчивая сложными нейросетевыми архитектурами
false
true
false
7,297
2026-02-24T08:21:51.704000Z
2026-02-24T08:21:51.704000Z
Lec.
Тестирование системы на открытых источниках (фильмы, видео), которые включают в себя сложные сцены
false
true
false
7,296
2026-02-24T08:21:50.016000Z
2026-02-24T08:21:50.016000Z
Lec.
Оптимизация трекера по скорости и качеству
false
true
false
7,295
2026-02-24T08:21:48.527000Z
2026-02-24T08:21:48.527000Z
Lec.
Интеграция модели SAM2 в данную работу
false
true
false
7,294
2026-02-24T08:21:46.966000Z
2026-02-24T08:21:46.966000Z
Lec.
Разработка модели, которая предоставляет сегментационные маски трекеру для дальнейшей работы
false
true
false
7,293
2026-02-24T08:21:45.373000Z
2026-02-24T08:21:45.373000Z
Lec.
Разработка и интеграция корреляционных фильтров в устойчивый трекер движущихся объектов в видеопотоке
false
true
false
7,292
2026-02-24T08:21:43.759000Z
2026-02-24T08:21:43.759000Z
Lec.
Подбор и интеграция существующих решений в работу
false
true
false
7,291
2026-02-24T08:21:42.254000Z
2026-02-24T08:21:42.254000Z
Lec.
Обзор существующих решений и анализ
false
true
false
7,290
2026-02-24T08:21:40.529000Z
2026-02-24T08:21:40.529000Z
Lec.
Задачи, поставленные в ходе реализации решения:
false
true
false
7,289
2026-02-24T08:21:37.354000Z
2026-02-24T08:21:37.354000Z
Lec.
Целью выпускной квалификационной работы является разработка устойчивого трекера объектов в видеопотоке и получение преимущества, над существующими открытыми решениями в данной области
false
true
false
7,288
2026-02-24T08:21:35.580000Z
2026-02-24T08:21:35.580000Z
Lec.
Использование трекера позволяет следить за объектами в видеопотоке в сложных сценах, включающих в себя: размытие изображение, перекрытие объектов, потеря из кадра объекта, вспышки света, дым и прочие трудности
false
true
false
7,287
2026-02-24T08:21:33.791000Z
2026-02-24T08:21:33.791000Z
Lec.
Разработанный трекер движущихся объектов использует современные решения в области компьютерного зрения, такие как метод «Zero-shot filtering» для SAM2 модели [4] или фильтр Калмана [5], а также прочие корреляционные фильтры и квантизацию SAM2
false
true
false
7,286
2026-02-24T08:21:32Z
2026-02-24T08:21:32Z
Lec.
Устойчивый трекер движущихся объектов в видеопотоке является новаторским решением в области компьютерного зрения в силу того, что имеет некоторые превосходства над существующими решениями
false
true
false
7,285
2026-02-24T08:21:30.191000Z
2026-02-24T08:21:30.191000Z
Lec.
Также они имеют трудности в условиях съемки с динамичными изменениями фона или перекрыванием объектов [3]
false
true
false
7,284
2026-02-24T08:21:28.429000Z
2026-02-24T08:21:28.429000Z
Lec.
Существующие реализации [2] часто сталкиваются с проблемами дороговизны и доступности для конечного потребителя
false
true
false
7,283
2026-02-24T08:21:26.670000Z
2026-02-24T08:21:26.670000Z
Lec.
Появляются существенные трудности при проектировании архитектуры системы, вынуждая исследователей искать оптимальные компромиссы между производительностью и точностью, что является предметом активных научных изысканий в области компьютерного зрения и машинного обучения
false
true
false
7,282
2026-02-24T08:21:24.920000Z
2026-02-24T08:21:24.920000Z
Lec.
С другой стороны, требования к точности прогнозирования траекторий движения и устойчивости к окклюзиям диктуют необходимость использования сложных математических моделей, что неизбежно увеличивает временные затраты на обработку каждого кадра
false
true
false
7,281
2026-02-24T08:21:23.262000Z
2026-02-24T08:21:23.262000Z
Lec.
С одной стороны, системе необходимо обеспечивать минимальную латентность обработки для функционирования в режиме реального времени, что накладывает жесткие ограничения на вычислительную сложность алгоритмов
false
true
false
7,280
2026-02-24T08:21:21.607000Z
2026-02-24T08:21:21.607000Z
Lec.
Данная проблема порождает фундаментальный компромисс между скоростью обработки видеопотока и точностью пространственной локализации объектов
false
true
false
7,279
2026-02-24T08:21:20.003000Z
2026-02-24T08:21:20.003000Z
Lec.
Ключевая проблема заключается в необходимости одновременного решения двух взаимосвязанных задач: детектирования объектов в пределах видеокадра и поддержания их идентификации во временной последовательности
false
true
false
7,278
2026-02-24T08:21:18.364000Z
2026-02-24T08:21:18.364000Z
Lec.
Разработка высокоэффективных систем трекинга движущихся объектов, несмотря на их широкую применимость в различных областях, сопряжена с существенными методологическими и техническими сложностями, требующими комплексного научно-инженерного подхода
false
true
false
7,277
2026-02-24T08:21:16.515000Z
2026-02-24T08:21:16.515000Z
Lec.
Решение представленных задач открывает возможности для создания универсальных систем трекинга, применимых в таких областях, как видеонаблюдение, автономные транспортные средства и анализ спортивной динамики
false
true
false
7,276
2026-02-24T08:21:14.743000Z
2026-02-24T08:21:14.743000Z
Lec.
Перспективными направлениями развития являются использование пространственно-временных attention-механизмов [1] для контекстного анализа сцены, а также интеграция метрического обучения
false
true
false
7,275
2026-02-24T08:21:12.978000Z
2026-02-24T08:21:12.978000Z
Lec.
Дополнительным вызовом остается обеспечение вычислительной эффективности, особенно при работе с потоковыми данными высокого разрешения, где требуется баланс между точностью и латентностью
false
true
false
7,274
2026-02-24T08:21:11.349000Z
2026-02-24T08:21:11.349000Z
Lec.
В рамках данной проблемы применяются гибридные подходы, сочетающие методы детектирования на основе глубокого обучения с алгоритмами фильтрации, такими как фильтр Калмана и другими, что позволяет компенсировать погрешности предсказания
false
true
false
7,273
2026-02-24T08:21:09.561000Z
2026-02-24T08:21:09.561000Z
Lec.
Ключевым аспектом устойчивости является способность системы адаптироваться к нелинейным траекториям движения объектов, сохраняя идентификацию даже при временном перекрытии другими элементами сцены
false
true
false
7,272
2026-02-24T08:21:07.783000Z
2026-02-24T08:21:07.783000Z
Lec.
Современным алгоритмам трекинга необходимо обеспечивать высокую робастность к таким факторам, как частичная окклюзия, изменение освещенности, вариации масштаба и ракурса, а также наличие фоновых помех
false
true
false
7,271
2026-02-24T08:21:06.142000Z
2026-02-24T08:21:06.142000Z
Lec.
В последние десятилетия развития компьютерного зрения данная задача является актуальной
false
true
false
7,270
2026-02-24T08:21:04.410000Z
2026-02-24T08:21:04.410000Z
Lec.
Устойчивый трекинг движущихся объектов в видеоизображениях представляет собой сложную задачу компьютерного зрения, направленную на непрерывное и точное сопровождение целевых объектов в условиях динамически изменяющейся сцены
false
true
false
7,269
2026-02-24T08:21:02.635000Z
2026-02-24T08:21:02.635000Z
Lec.
Введение 10. 1.1 Актуальность 10. 1.2 Новизна 11. 1.3 Цель работы 12. 1.4 Задачи 12. 2 Обзорная часть 13. 2.1 Классические методы 13. 2.2 Методы машинного обучения в детекции объектов. 15. 2.3 Современные методы включающие в себя использование нейронных сетей для детекции объектов в видеопотоке. 18. 2.4 Вывод по обзорн...
false
false
false
7,268
2026-02-24T08:21:00.282000Z
2026-02-24T08:21:00.282000Z
Lec.
The work consists of 59 pages, 44 sources, 12 figures and 1 table
false
true
false
7,267
2026-02-24T08:20:58.260000Z
2026-02-24T08:20:58.260000Z
Lec.
Thus, the result of the work is software tool for tracking moving objects in a video stream using various methods and algorithms
false
true
false
7,266
2026-02-24T08:20:56.562000Z
2026-02-24T08:20:56.562000Z
Lec.
In the course of the work, existing approaches and methods for tracking moving objects in a video stream were investigated, and their own tracker with competitive quality and speed metrics was developed in the modern market for such solutions
false
true
false
7,265
2026-02-24T08:20:54.799000Z
2026-02-24T08:20:54.799000Z
Lec.
To solve this problem, this paper proposes a tracker that includes a set of methods to improve quality and sustainability, as well as minimize the computing resources of the system
false
true
false
7,264
2026-02-24T08:20:53.054000Z
2026-02-24T08:20:53.054000Z
Lec.
Currently, most of the existing solutions cannot satisfy the end user due to the high cost or quality of the solution
false
true
false
7,263
2026-02-24T08:20:51.515000Z
2026-02-24T08:20:51.515000Z
Lec.
But the quality and speed problem of such models and trackers is still relevant
false
true
false
7,262
2026-02-24T08:20:49.987000Z
2026-02-24T08:20:49.987000Z
Lec.
Tracking moving objects in a video stream is an important task in many technological solutions of mankind, such as security systems, cars with autopilot, robots
false
true
false
7,261
2026-02-24T08:20:48.224000Z
2026-02-24T08:20:48.224000Z
Lec.
Работа состоит из 59 страниц, 44 источников, 12 рисунков и 1 таблиц
false
false
false
7,260
2026-02-24T08:20:46.344000Z
2026-02-24T08:20:46.344000Z
Lec.
Результатом работы является программное средство для отслеживания движущихся объектов видеопотоке с применением различных методов и алгоритмов
false
true
false
7,259
2026-02-24T08:20:44.592000Z
2026-02-24T08:20:44.592000Z
Lec.
В ходе работы исследованы существующие подходы и методы по отслеживанию движущихся объектов в видеопотоке, разработан свой собственный трекер с конкурентноспособными метриками качества и скорости на современном рынке подобных решений
false
true
false
7,258
2026-02-24T08:20:42.767000Z
2026-02-24T08:20:42.767000Z
Lec.
Для решения проблемы в данной работе предложен трекер, включающий в себя совокупность методов для улучшения качества и устойчивости, а также минимизации вычислительных ресурсов системы
false
true
false
7,257
2026-02-24T08:20:41.115000Z
2026-02-24T08:20:41.115000Z
Lec.
В настоящее время существующие решения не способны удовлетворить конечного потребителя из-за дороговизны или качества
false
true
false
7,256
2026-02-24T08:20:39.329000Z
2026-02-24T08:20:39.329000Z
Lec.
Но проблема качества и скорости таких моделей и трекеров все еще остается актуальной
false
true
false
7,255
2026-02-24T08:20:37.762000Z
2026-02-24T08:20:37.762000Z
Lec.
Отслеживание движущихся объектов в видеопотоке является важной задачей во многих технологических решениях человечества, таких как: охранные системы, автомобили с автопилотом, роботы
false
true
false
7,254
2026-02-24T08:20:35.899000Z
2026-02-24T08:20:35.899000Z
Lec.
Дата представления итогового варианта ВКР. «___» июня 2025 г. ______________ А.Ю
true
true
false
7,253
2026-02-24T08:20:34.235000Z
2026-02-24T08:20:34.235000Z
Lec.
Дата представления первого варианта ВКР. «___» мая 2025 г. ______________ А.Ю
true
true
false
7,252
2026-02-24T08:20:32.375000Z
2026-02-24T08:20:32.375000Z
Lec.
Романов подпись руководителя
false
true
false
7,251
2026-02-24T08:20:30.582000Z
2026-02-24T08:20:30.582000Z
Lec.
Дата представления проекта ВКР. «___» февраля 2025 г. ______________ А.Ю
true
true
false
7,250
2026-02-24T08:20:28.520000Z
2026-02-24T08:20:28.520000Z
Lec.
Steady tracker of moving objects in a video stream
false
true
false
7,249
2026-02-24T08:20:26.737000Z
2026-02-24T08:20:26.737000Z
Lec.
График сдачи этапов. выпускной квалификационной работы бакалавра. студента группы БИВ214 Юртова Дмитрия Петровича. студента группы БИВ214 Кириченко Глеба Александровича
true
false
false
7,248
2026-02-24T08:20:24.508000Z
2026-02-24T08:20:24.508000Z
Lec.
Руководитель. ученая степень, звание (при наличии). _. к.т.н., профессор., Романов А.Ю
true
false
false
7,247
2026-02-24T08:20:22.541000Z
2026-02-24T08:20:22.541000Z
Lec.
Кириченко Г.А. подпись И.О
true
false
false
7,246
2026-02-24T08:20:20.720000Z
2026-02-24T08:20:20.720000Z
Lec.
Юртов Д.П. подпись И.О
true
false
false
7,245
2026-02-24T08:20:18.971000Z
2026-02-24T08:20:18.971000Z
Lec.
Устойчивый трекер движущихся объектов в видеопотоке
false
true
false
7,244
2026-02-24T08:20:17.224000Z
2026-02-24T08:20:17.224000Z
Lec.
Кириченко Глеб Александрович, группа 214
true
false
false
7,243
2026-02-24T08:20:15.709000Z
2026-02-24T08:20:15.709000Z
Lec.
Юртов Дмитрий Петрович, группа 214
true
true
false
7,242
2026-02-24T08:20:10.384000Z
2026-02-24T08:20:10.384000Z
Lec.
Физическая модуль тумана (5):. где : наблюдаемое размытое изображение;. : истинная яркость сцены;. : карта пропускания;. 𝛽: коэффициент рассеяния в атмосфере;. : глубина сцены;. : общее атмосферное освещение (цвет неба)
false
true
false
7,241
2026-02-24T08:20:08.330000Z
2026-02-24T08:20:08.330000Z
Lec.
Задачами практики являются:. источников данных и методов аугментации;. выбор источников данных и методов аугментации;. разработка архитектуры генератора данных;. реализация эффектов оптических искажений на изображениях;. имитация условий окружающей среды на изображениях;. проверка правильности сгенерированных данных
false
false
false
7,240
2026-02-24T08:19:54.389000Z
2026-02-24T08:19:54.389000Z
Lec.
Москва 2025.
false
false
false
7,239
2026-02-24T08:19:52.657000Z
2026-02-24T08:19:52.657000Z
Lec.
Рисунок 8 – Параметры схемы в JSON формате
false
true
false
7,238
2026-02-24T08:19:50.989000Z
2026-02-24T08:19:50.989000Z
Lec.
Рисунок 7 – Параметры схемы в Verilog формате
false
true
false
7,237
2026-02-24T08:19:49.120000Z
2026-02-24T08:19:49.120000Z
Lec.
Выходными данными служат сгенерированные схемы, каждая из которых содержит:. параметры схемы в формате Verilog;. параметры схемы в формате JSON;
false
true
false
7,236
2026-02-24T08:19:47.593000Z
2026-02-24T08:19:47.593000Z
Lec.
Рисунок 6 – Параметры для генерации в консоли
false
true
false
7,235
2026-02-24T08:19:45.661000Z
2026-02-24T08:19:45.661000Z
Lec.
Указание входных параметров генерации в консоли выглядит следующим образом:
false
true
false
7,234
2026-02-24T08:19:43.537000Z
2026-02-24T08:19:43.537000Z
Lec.
GenTypeDot (bool, обязательный, 1) - указать, какого автомата dot файлы будут конвертироваться в граф - Мили (false) или Мура(true)
false
true
false
7,233
2026-02-24T08:19:41.986000Z
2026-02-24T08:19:41.986000Z
Lec.
DotPath (string, обязательный) - путь к папке с dot файлами
false
true
false
7,232
2026-02-24T08:19:40.408000Z
2026-02-24T08:19:40.408000Z
Lec.
NumStates (int, обязательный, 1) - количество состояний автомата Мили или Мура
false
true
false
7,231
2026-02-24T08:19:38.893000Z
2026-02-24T08:19:38.893000Z
Lec.
GenType (bool, обязательный, 1) - какой автомат генерировать - Мили(false) или Мура(true)
false
true
false
7,230
2026-02-24T08:19:37.313000Z
2026-02-24T08:19:37.313000Z
Lec.
MealyMoore. saveDOT_mmg (bool, опциональный, 1) - сохранять dot файл или нет
false
true
false
7,229
2026-02-24T08:19:35.763000Z
2026-02-24T08:19:35.763000Z
Lec.
NUM_OP (bool, опциональный, false) - выбор генерации Num Operation. min_level (int, опциональный, 1) - минимальное количество уровней в схеме. max_level (int, опциональный, 1) - максимальное количество уровней в схеме. min_elem (int, опциональный, 1) - минимальное количество элементов в схеме. max_elem (int, опциональн...
false
false
false
7,228
2026-02-24T08:19:34.095000Z
2026-02-24T08:19:34.095000Z
Lec.
RNL (bool, опциональный, false) - выбор генерации Rand Level
false
true
false
7,227
2026-02-24T08:19:32.123000Z
2026-02-24T08:19:32.123000Z
Lec.
CNF (bool, опциональный, false) - выбор генерации From Random Truth Table (CNFT, CNFF, Zhegalkin)
false
false
false
7,226
2026-02-24T08:19:30.611000Z
2026-02-24T08:19:30.611000Z
Lec.
COM (bool, опциональный, false) - выбор генерации Comparison
false
true
false
7,225
2026-02-24T08:19:29.047000Z
2026-02-24T08:19:29.047000Z
Lec.
NSUB (bool, опциональный, false) - выбор генерации Subtractor с выбором вычитаемого A и вычитателя B
false
true
false
7,224
2026-02-24T08:19:27.426000Z
2026-02-24T08:19:27.426000Z
Lec.
SUB (bool, опциональный, false) - выбор генерации Subtractor с выбором вычитаемого B и вычитателя A
false
true
false
7,223
2026-02-24T08:19:25.771000Z
2026-02-24T08:19:25.771000Z
Lec.
MULT (bool, опциональный, false) - выбор генерации Multiplier
false
true
false
7,222
2026-02-24T08:19:24.206000Z
2026-02-24T08:19:24.206000Z
Lec.
NSUM (bool, опциональный, false) - выбор генерации Summator с отрицательной суммой
true
true
false
7,221
2026-02-24T08:19:22.675000Z
2026-02-24T08:19:22.675000Z
Lec.
SUM (bool, опциональный, false) - выбор генерации Summator с положительной суммой
false
false
false
7,220
2026-02-24T08:19:21.136000Z
2026-02-24T08:19:21.136000Z
Lec.
XNOR (bool, опциональный, false) - выбор логической операции Исключающее НЕ-ИЛИ
false
false
false
7,219
2026-02-24T08:19:19.698000Z
2026-02-24T08:19:19.698000Z
Lec.
XOR (bool, опциональный, false) - выбор логической операции Исключающее ИЛИ
false
false
false
7,218
2026-02-24T08:19:18.174000Z
2026-02-24T08:19:18.174000Z
Lec.
NOR (bool, опциональный, false) - выбор логической операции НЕ-ИЛИ
false
false
false
7,217
2026-02-24T08:19:16.649000Z
2026-02-24T08:19:16.649000Z
Lec.
OR (bool, опциональный, false) - выбор логической операции ИЛИ
false
false
false
7,216
2026-02-24T08:19:15.135000Z
2026-02-24T08:19:15.135000Z
Lec.
NAND (bool, опциональный, false) - выбор логической операции НЕ-И
false
false
false
7,215
2026-02-24T08:19:13.629000Z
2026-02-24T08:19:13.629000Z
Lec.
AND (bool, опциональный, false) - выбор логической операции И
false
false
false
7,214
2026-02-24T08:19:12.137000Z
2026-02-24T08:19:12.137000Z
Lec.
ALL (bool, опциональный, false) - выбор всех типов генерации, аналогично выставлению для всех типов true
false
true
false
7,213
2026-02-24T08:19:10.558000Z
2026-02-24T08:19:10.558000Z
Lec.
Parity - на данный момент нет специфичных параметров
false
true
false
7,212
2026-02-24T08:19:09.016000Z
2026-02-24T08:19:09.016000Z
Lec.
Roulette. surv_num (int, опциональный, 1) - количество выживших. swap_type (int, опциональный, 1) - возможные значения:. 0. 1. 2. tour_size (int, опциональный, 1) - размер турнира для Tournament
false
false
false
7,211
2026-02-24T08:19:07.313000Z
2026-02-24T08:19:07.313000Z
Lec.
Outbrinding
false
false
false
7,210
2026-02-24T08:19:05.619000Z
2026-02-24T08:19:05.619000Z
Lec.
Base. selection_type_parent (string, обязательный) - тип отбора мутации, возможные значения:
true
true
false
7,209
2026-02-24T08:19:04.024000Z
2026-02-24T08:19:04.024000Z
Lec.
CrossingShuffling. population_size (int, опциональный, 1) - размер начальной популяции. ratio_in_table (double, опциональный, 1.0)- распределение 0 и 1 в таблице истинности. rec_num (int, опциональный, 1) - количество рекомбинаций. ref_points (int, опциональный, 1). selection_type (string, обязательный) - тип отбора по...
false
true
false
7,208
2026-02-24T08:19:02.089000Z
2026-02-24T08:19:02.089000Z
Lec.
CrossingReducedReplacement
false
false
false