Найти

Результаты поиска

• ОБЗОР ТЕХНОЛОГИЙ СЕМАНТИЧЕСКОГО АНАЛИЗА И ИНТЕГРАЦИИ ГЕТЕРОГЕННЫХ ИНФОРМАЦИОННЫХ ПОТОКОВ В СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

  В. В. Гапочка , Е. Е. Полупанова

  2026-02-27

  Аннотация ▼

  Современные системы поддержки принятия решений (СППР) работают с потоками данных из IoT-сенсоров, баз данных, текстовых сообщений и социальных медиа, представленных в различных форматах и обладающих неодинаковыми смысловыми моделями и качеством. Отсутствие семантически согласованной интеграции приводит к неоднозначной интерпретации сущностей, дублированию и потере контекста, что снижает качество и оперативность решений. Цель работы – систематизировать методы семантического анализа и интеграции гетерогенных информационных потоков для СППР, выявить их преимущества, ограничения и области применения. Исследование выполнено в форме аналитического обзора публикаций 2018–2025 гг. по семантической интероперабельности, онтологиям и знаниевым графам, многоисточниковому слиянию данных, федеративному доступу и потоковой обработке. Показано, что обеспечение семантической совместимости достигается за счёт онтологий и знаниевых графов, задающих общие сущности и идентификаторы и обеспечивающих гибкость схемы интеграции. Для режимов реального времени наиболее результативны гибридные решения, сочетающие семантический слой с алгоритмами слияния и учётом доверия к источникам; в прикладных кейсах отмечаются улучшения точности порядка 15–20% и сокращение времени отклика до 70–80% при использовании многоисточниковых моделей. Для неструктурированных потоков ключевую роль играют NLP и машинное обучение, обеспечивающие извлечение сущностей и отношений и семантическое обогащение данных. Полученные результаты могут быть использованы при проектировании СППР в доменах умного города, промышленности и здравоохранения. Кроме того, работа подчеркивает важность стандартов, таких как SHACL для валидации и SPARQL для запросов, которые усиливают практическую применимость семантических подходов. Перспективы включают автоматизацию ontology alignment для снижения трудозатрат и интеграцию с ИИ для динамической адаптации к новым источникам данных

• СЕМАНТИКО-СТАТИСТИЧЕСКИЙ АЛГОРИТМ ОПРЕДЕЛЕНИЯ КАТЕГОРИЙ АСПЕКТОВ В ЗАДАЧАХ СЕНТИМЕНТ-АНАЛИЗА

  А.О. Корней, Е.Н. Крючкова

  2021-02-13

  Аннотация ▼

  В современном мире одним из ключевых каналов коммуникации является Интернет.
  Через электронные площадки осуществляется торговля, продвижение услуг. Социальные
  сети и мессенджеры становятся важнейшим каналом общения и мощным инструментом
  воздействия на общественное мнение. Весомую долю во всем публикуемом контенте зани-
  мают тексты, написанные на естественном языке. Поэтому проблемы обработки и по-
  нимания естественных языков (ЕЯ) на сегодняшний день являются одними из ключевых.
  Под влиянием коммерческих интересов активно развивается область автоматического
  анализа тональности на основе аспектов. Данная задача существенно зависит от кон-
  кретных предметных областей, и поэтому вопрос быстрой и эффективной адаптации
  существующих моделей к новым доменам стоит весьма остро. В работе предлагается
  гибридный метод аспектно-ориентированного анализа тональности текстов, основанный
  на данных, извлеченных как из общеупотребительных словарей, так и из домен-
  ориентированных текстов. Предложен метод построения конденсированного семантиче-
  ского графа на основе неструктурированных домен-зависимых текстов. Введены числен-
  ные метрики, позволяющие оценивать значимость отдельных терминов в пределе всего
  домена. Предложен алгоритм категоризации текстов, основанный на выделении семанти-
  ческих кластеров в пределах конденсированного домен-специфического графа. Предложен
  метод оценки тональности домен-ориентированных текстов, основанный на статисти-
  ческих данных, включая совместное использования тонального словаря и сконденсирован-
  ного домен-специализированного графа. Приведены результаты экспериментов, позволяю-
  щие оценить качество работы алгоритмов.

• АЛЬТЕРНАТИВНЫЕ ПОДХОДЫ К МАСШТАБИРОВАНИЮ NLP МОДЕЛЕЙ: АНАЛИЗ ПОДХОДОВ К ОПТИМИЗАЦИИ ОБЪЕМА ДАННЫХ И ВЫЧИСЛЕНИЙ ПРИ ОБУЧЕНИИ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ

  К.И. Ралко , Н. Е. Сергеев

  152-172

  2026-07-07

  Аннотация ▼

  Основное внимание уделяется подходам преодоления системных ограничений парадигмы масштабирования больших языковых моделей (LLM), связанных с исчерпанием данных и экспоненциальным ростом вычислительных затрат. Обход таких ограничений позволяет разработать более эффективные подходы к созданию NLP-моделей без потери в качестве их работы. Целью данного исследования является сравнительный анализ эффективности стандартной трансформерной архитектуры (nanoGPT) и модели, оперирующей семантическими эмбеддингами (nanoSonar), для задач языкового моделирования в условиях ограниченных ресурсов. Работа с концептуальными эмбеддингами позволяет выявить более глубокие языковые закономерности и сократить объем требуемых данных для обучения, что значительно повышает эффективность моделирования. При проведении исследования использовался набор данных TinyStories, который включает короткие нарративы с четкой структурой. Перед реализацией моделей была проведена предобработка данных: для nanoGPT – токенизация методом BPE, для nanoSonar – преобразование текста в семантические эмбеддинги с помощью предобученной модели Sonar. Оценка моделей осуществлялась с использованием метрик функции потерь (loss) и перплексии (perplexity). Результаты исследования показали, что модель nanoSonar обеспечивает значительно более низкую перплексию (6,609 против 39,151 у nanoGPT), а также демонстрирует более устойчивую динамику обучения на поздних этапах. В работе представлен анализ современных подходов к оптимизации масштабирования (MoE, дистилляция, PEFT) и перспективных архитектур (LRM, SSM, RWKV), а также даны практические рекомендации по применению моделей, работающих в пространстве семантических эмбеддингов, для доменно-специфичных задач и систем с ограниченными вычислительными ресурсами. Результаты исследования могут быть полезны при разработке эффективных языковых моделей, сочетающих высокое качество генерации с экономичной архитектурой.

• ОРГАНИЗАЦИЯ НАВИГАЦИИ МОБИЛЬНЫХ РОБОТОВ НА ОСНОВЕ КОГНИТИВНОГО КАРТИРОВАНИЯ

  А.М. Корсаков , В. В. Иванова

  2026-04-29

  Аннотация ▼

  КОГНИТИВНОГО КАРТИРОВАНИЯ

  Рассматривается актуальная задача обеспечения автономности мобильных роботов в сложных условиях, когда использование традиционных навигационных методов, основанных на глобальных системах координат и спутниковых данных, невозможно или неэффективно. Для решения данной проблемы предлагается подход, основанный на когнитивной (интерпретирующей) навигации, где основную роль играет семантическое понимание среды. Ключевой особенностью метода является построение когнитивной карты – семантически ориентированного графа, вершины которого соответствуют объектам-ориентирам (либо группам однородных ориентиров), а рёбра – фиксированным наборам информационно-двигательных действий (элементарным обусловленным паттернам поведения). Таким образом маршрут робота при его движении по когнитивной карте сводится к фиксированному набору информационно-двигательных действий. Процесс построения карты осуществляется автоматически на основе предварительно полученного семантически сегментированного изображения местности, что позволяет мобильному роботу априори получить информацию о взаимном расположении и форме ориентиров. Для формализации процесса навигации и управления поведением робота на основе когнитивной карты авторами предложен специально разработанный формальный язык LRNB (Language of Robot Navigation Behavior). Этот язык позволяет декомпозировать сложные миссии на элементарные информационно-двигательные действия, задавать условия их завершения и описывать сценарии взаимодействия с динамическими и статическими объектами. В работе описаны принципы построения когнитивной карты, синтаксис языка LRNB, а также механизм формирования маршрута как последовательности команд. Практическая часть включает результаты верификации подхода в условиях симуляции с использованием специально разработанного эмулятора, а также предварительные натурные испытания на лабораторном гусеничном мобильном роботе, подтвердившие принципиальную работоспособность предложенного подхода. Полученные результаты свидетельствуют о потенциале метода для применения в критически важных сценариях, таких как зоны стихийных бедствий, области радиоэлектронного подавления и другие среды с высокой степенью неопределённости. Предложены дальнейшие планы работ, связанные с приближением условий экспериментов к реальным условиям возможной эксплуатации

• СЕМАНТИЧЕСКАЯ МОДЕЛЬ ВЛИЯНИЯ ФАКТОРОВ БЕЗОПАСНОСТИ ДЛЯ ОЦЕНКИ КИБЕРУСТОЙЧИВОСТИ ИНФОРМАЦИОННЫХ СИСТЕМ

  Д.Н. Богачева , О. В. Лукинова , А. А. Саломатин

  2026-02-27

  Аннотация ▼

  В современных условиях обеспечение киберустойчивости информационно-телекоммуникационных систем предприятий становится приоритетной задачей, требующей учета сложного взаимодействия множества факторов. Данная работа посвящена исследованию устойчивости информационно-телекоммуникационных систем с точки зрения процессно-ориентированного подхода, который фокусируется на сохранении непрерывного и безопасного функционирования предприятия при возникновении киберинцидентов. При этом одна из существующих сегодня проблем заключается в отсутствии средств системного анализа факторов безопасности, их влияния на общую защищенность бизнес-процессов. Цель исследования заключается в разработке формализованного инструмента, позволяющего прогнозировать уровень устойчивости с учетом функциональных зависимостей между факторами. В качестве основного метода исследования выступает концептуальное семантическое моделирование, позволяющее формализовать причинно-следственные связи между элементами системы. Научная новизна заключается в разработке модели, фиксирующей взаимное влияние угроз и мер противодействия, что позволяет прогнозировать уровень устойчивости информационно-телекоммуникационных систем уже на этапе проектирования. На примере метода оценки корректности параметров оконечных устройств автоматизированной системы управления технологическим процессом продемонстрировано влияние различных факторов на эффективность механизмов защиты нижнего уровня системы. Результаты, представленные в работе, позволяют сократить противоречие между научным и практическим применением процессно-ориентированного подхода, а также могут быть использованы как теоретическая основа для разработки программных  инструментов в контексте  принятия решений по выбору мер защиты бизнеса на основе баланса между возможным ущербом, ожидаемыми уровнями киберустойчивости, рисков и безопасности в течение всего жизненного цикла информационной системы.

• МЕТОДИКА ПОСТРОЕНИЯ И ОЦЕНКИ ОНТОЛОГИЧЕСКОГО ПРОФИЛЯ ДЛЯ СИСТЕМ ПЕРСОНАЛИЗАЦИИ КОНТЕНТА

  Ж.Х. Мохаммад

  248-262

  2025-12-30

  Аннотация ▼

  Данная статья посвящена разработке и апробации методики построения онтологического профиля, предназначенного для использования в системах персонализации контента. В работе детально описана модульная архитектура веб-системы персонализации, иллюстрирующая методы и алгоритмы обработки и анализа текста на каждом этапе, а также представлен пошаговый алгоритм создания онтологии. Методика включает первичную обработку данных: извлечение ключевых слов и словосочетаний, их иерархическую кластеризацию для выявления семантической структуры предметной области. Далее следует этап определения пороговых значений для отсева малозначимых связей, извлечения и формализации взаимосвязей между концептами с использованием методов обработки естественного языка, таких, как разрешение лексической неоднозначности и извлечение связей на основе семантического сходства. Для реализации этого процесса был разработан интегрированный конвейер (pipeline), объединяющий усовершенствованные алгоритмы, предложенные автором в предыдущих исследованиях, а именно: алгоритм извлечения ключевых фраз из отдельного текста на основе семантического сходства и модифицированный алгоритм разрешения лексической многозначности слов. В рамках данного конвейера также были оптимально интегрированы все необходимые инструменты обработки естественного языка, обеспечивающие эффективную работу указанных методов в процессе автоматического построения онтологии из текста. Особое внимание в исследовании уделяется комплексной оценке полученной онтологии с использованием специализированного набора критериев, позволяющих объективно оценить качество, полноту и непротиворечивость построенного профиля. Важной частью работы является проведение вычислительного эксперимента, который наглядно демонстрирует влияние каждого из этапов обработки данных на итоговое качество и эффективность онтологии. Показано, что предложенная методика позволяет построить практичную, масштабируемую и релевантную онтологию, готовую к промышленному внедрению и интеграции в системы персонализации для повышения их точности и адаптивности.

• ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ В СИСТЕМАХ ОБРАБОТКИ ВИЗУАЛЬНОЙ ИНФОРМАЦИИ

  О.Б. Лебедев , Р.И. Черкасов

  254-276

  2025-11-10

  Аннотация ▼

  Рассмотрено применение технологий искусственного интеллекта, в частности компьютерного зрения в системах обработки визуальной информации. Проведен комплексный анализ нейросетевых подходов к решению задач компьютерного зрения, включая систематизацию ключевых типов задач: классификацию изображений, детектирование объектов и семантическую сегментацию. Детально исследованы архитектурные принципы сверточных нейронных сетей с акцентом на механизмы извлечения пространственных признаков через сверточные слои, оптимизацию представления данных посредством операций пулинга и преобразование признаков в полносвязных слоях. Особое внимание уделено эволюции методов обнаружения объектов, где задача выбора модели рассмотрена как расширение классификации за счет интеграции регрессии пространственных координат, а также проведена оценка эффективности детекторов на основе метрик IoU, Precision, Recall и F1-score, демонстрирующих фундаментальный компромисс между точностью локализации и скоростью обработки. В качестве оптимального решения для систем реального времени представлен алгоритм YOLOv7, архитектура которого основана на разбиении входного изображения на сетку S×S ячеек с прямым предсказанием параметров ограничивающих рамок (координаты центра, ширина, высота) и вероятностей классов для каждой ячейки, а также использовании специализированных слоёв (SPP, PANet) для мультимасштабной агрегации признаков. Структура нейронной сети подтверждает эффективность используемого подхода, обеспечивающего высокое быстродействие без критического снижения точности в стратегически важных приложениях видеонаблюдения, автономных систем и дополненной реальности. Проведено сравнительное исследование одноэтапных и двухэтапных детекторов с оценкой их производительности по ключевым метрикам. Особое внимание уделено практическим аспектам применения технологий компьютерного зрения в реальных системах обработки визуальной информации

• ГИБРИДНЫЙ БИОИНСПИРИРОВАННЫЙ АЛГОРИТМ ОТОБРАЖЕНИЯ ОНТОЛОГИЙ В ЗАДАЧАХ ИЗВЛЕЧЕНИЯ И УПРАВЛЕНИЯ ЗНАНИЯМИ

  Д. Ю. Кравченко, Ю. А. Кравченко, В. В. Марков

  2020-07-20

  Аннотация ▼

  Статья посвящена решению задачи отображения онтологических моделей в процес-
  сах извлечения и управления знаниями. Актуальность и значимость данной задачи обуслов-
  лены необходимостью сохранения достоверности и исключения избыточности знаний при
  интеграции (объединении) структурированных информационных источников различного
  происхождения. Близость и непротиворечивость понятийной семантики объединенного
  ресурса при проводимом отображении является основным критерием эффективности
  предложенных решений. В статье рассмотрены проблемы выбора соответствующих за-
  даче подходов решения, сохраняющих семантику при отображении концептов. Обоснована
  стратегия выбора биоинспирированного моделирования. Проанализированы аспекты эф-
  фективности применения различных децентрализованных биоинспирированных методов.
  Определены причины необходимости проведения гибридизации. Предложено решать зада-
  чу отображения онтологических моделей с применением биоинспирированного алгоритма,
  построенного на основе гибридизации оптимизационных механизмов алгоритмов бактери-
  ального и кукушкиного поиска. Проведенная гибридизация данных алгоритмов позволила
  объединить их основные преимущества: последовательный бактериальный поиск, обеспечивающий детальное исследование локальных областей, и значительное число глобальных
  перемещений агента-кукушки при реализации полетов Леви. Для оценки эффективности
  предложенного гибридного биоинспирированного алгоритма разработан программный
  продукт и проведены эксперименты по отображению онтологий разного размера. Каж-
  дый концепт любой онтологии имеет определенный набор атрибутов, являющийся семан-
  тическим вектором признаков. Степень сходства семантических векторов сравниваемых
  концептов отображаемых онтологий является критерием их интеграции. Для повышения
  качества процесса отображения введена новая кодировка решений. Полученные количест-
  венные оценки демонстрируют экономию времени при решении задач относительно боль-
  шой размерности (от 500000 вершин онтографа) не менее 13 %. Временная сложность
  разработанного гибридного алгоритма составляет Описанные исследования имеют
  высокий уровень теоретической и практической значимости и напрямую связаны с реше-
  нием классических задач искусственного интеллекта, направленных на поиск скрытых за-
  висимостей и закономерностей на множестве элементов знаний.

• ВЕКТОРИЗАЦИЯ ТЕКСТА С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ

  Али Махмуд Мансур , Жуман Хуссайн Мохаммад , Ю. А. Кравченко

  2021-07-18

  Аннотация ▼

  В задачах интеллектуального анализа текста текстовое представление должно
  быть не только эффективным, но и интерпретируемым, поскольку это позволяет понять
  операционную логику, лежащую в основе моделей интеллектуального анализа данных. Тра-
  диционные методы векторизации текста, такие как TF-IDF и Bag-of-words, эффективны
  и имеют интуитивно понятную интерпретируемость, но страдают от «проклятия раз-
  мерности» и не могут понимать смысл слов. С другой стороны, современные распределен-
  ные методы эффективно определяют скрытую семантику, но требуют больших вычисли-
  тельных ресурсов и времени, а также им не хватает интерпретируемости. В этой ста-
  тье предлагается новый метод векторизации текстов под названием Bag of weighted Concepts
  BoWC, который представляет документ в соответствии с содержащейся в нем ин-
  формацией о концептах. Предлагаемый метод создает концепты посредством кластери-
  зации векторов слов (т.е. встраивания слов), и использует частоты этих кластеров концептов для представления векторов документов. Чтобы обогатить итоговое представле-
  ние документа, предлагается модифицированная весовая функция для взвешивания кон-
  цептов на основе статистики, извлеченной из информации вложений слов. Векторы, сге-
  нерированные с помощью предложенного метода, характеризуются интерпретируемо-
  стью, низкой размерностью, высокой точностью, а также низкими вычислительными
  затратами при использовании в задачах классификации и кластеризации. Предлагаемый
  метод протестирован на пяти различных наборах эталонных данных для кластеризации и
  классификации текстовых документов и сравнивается с несколькими базовыми методами,
  включая Bag-of-words, TF-IDF, Averaged GloVe, Bag-of-Concepts и VLAC. Результаты пока-
  зывают, что BoWC превосходит большинство базовых методов и дает в среднем на 7 %
  лучшую точность.

• АНАЛИЗ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА, ПРИМЕНЯЕМЫХ ДЛЯ РЕШЕНИЯ ЗАДАЧ ПСИХИАТРИИ

  Е. С. Подоплелова

  2022-05-26

  Аннотация ▼

  Использование методов искусственного интеллекта в области медицины получило
  широкое распространение, помогая диагностировать, анализировать и давать рекоменда-
  ции по лечению. Психиатрия – это область медицины, изучающая психические расстрой-
  ства, методы их диагностики и лечения. В спектр ее задач входит не только диагностика
  и лечение, но также наблюдение, мониторинг и последующая реабилитация пациентов.
  Эта предметная область имеет существенные проблемы, такие как объективность, про-
  тиворечивость диагноза, сложность классификации болезней, непредсказуемость течения
  заболевания. С рядом этих проблем помогает справиться использование методов машин-
  ного обучения и алгоритмы искусственного интеллекта. Данная работа посвящена обзору
  исследований методов искусственного интеллекта, применяемых для решения задач в об-
  ласти психиатрии. Актуальность темы обусловлена высокой потребностью данной пред-
  метной области в улучшениях. Конкретные проблемы представлены в данной статье.
  Среди них были выделены основные направления: деидентификация данных, классификация
  тяжести симптомов, точность прогнозирования состояния. Для их решения авторами
  были применены такие методы как латентный семантический анализ для обработки ес-
  тественного языка, методы классификации, сверточные нейронные сети для прогнозиро-
  вания, когнитивное моделирование. Отдельно отмечена эффективность гибридных сис-
  тем, включающих реализацию сразу нескольких метолов машинного обучения. Целью ис-
  следования было выделить основные направления развития исследований научного сообще-
  ства, которые демонстрируют успешную интеграцию искусственного интеллекта в пси-
  хиатрию, а также сравнение их между собой по полученным оценкам точности моделей.
  Что, в свою очередь, подразумевает разбор и анализ конкретных алгоритмов, их произво-
  дительность для конкретных задач.

• ВИЗУАЛЬНАЯ НАВИГАЦИЯ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ С ИСПОЛЬЗОВАНИЕМ СЕМАНТИЧЕСКИХ ОПИСАНИЙ МЕСТНОСТИ

  Н.В. Ким , Н. В. Удалова , Н. Е. Бодунков , Д.С. Гиренко , Н.А. Ляпин

  2025-04-27

  Аннотация ▼

  Рассматривается задача визуальной навигации беспилотных летательных аппаратов
  (БЛА), которая заключается в автоматическом определении текущего положения БЛА (коорди-
  нат в земной (местной) системе координат), на основе сравнения и идентификации описаний при-
  нимаемых на борту текущих изображений (ТИ) подстилающей поверхности и эталонных описаний, хранящихся в виде цифровой карты местности в памяти бортового вычислителя БЛА. Целью
  работы является повышение эффективности применения методов визуальной навигации, с точки
  зрения повышения вычислительной производительности, устойчивости и точности алгоритмов
  идентификации изображений в сложных и изменяемых условиях наблюдения, за счет использова-
  ния семантических описаний наблюдаемых сцен. В данной работе под семантическими описания-
  ми будем понимать описания, включающие классы наблюдаемых на сцене объектов, атрибуты
  этих объектов и отношениями между ними. Подготовка семантических описаний карты произ-
  водится на этапе предполетной подготовки БЛА с помощью предварительно обученных нейрон-
  ных сетей семантической сегментации. Семантические описания принимаемых ТИ формируются
  на борту БЛА. При этом использование нейросетевых алгоритмов позволяет реализовать этот
  процесс в реальном времени для широкого спектра условий наблюдений (различного времени суток
  и года). Использование семантических описаний карты и ТИ позволяет сократить вычисления по
  сравнению с традиционным попиксельным сопоставлением растровых изображений. Семантиче-
  ские описания сравниваются путем сопоставления классов объектов, их атрибутов и отношений.
  В работе приведены: общий алгоритм визуальной навигации, основные этапы методики формиро-
  вания семантических описаний и алгоритм сравнения и идентификации семантических описаний
  ТИ и описаний карты. Предложен иерархический алгоритм сравнения и идентификации изобра-
  жений, основанный на последовательном применении семантических, и растровых описаний на-
  блюдаемых сцен. Показано, что использование процедуры сравнения семантических описаний ТИ и
  карты по присутствующим классам объектов позволяет существенно совратить вычисления,
  необходимые для идентификации изображений

• ИНТЕЛЛЕКТУАЛЬНОЕ УПРАВЛЕНИЕ РОБОТОТЕХНИЧЕСКИМИ СРЕДСТВАМИ В ЗАДАЧЕ СЕГМЕНТАЦИИ НОР ГРЫЗУНОВ С ИСПОЛЬЗОВАНИЕМ ГЛУБОКИХ СВЕРТОЧНЫХ АРХИТЕКТУР

  М.А. Астапова

  19-30

  2025-04-27

  Аннотация ▼

  Исследуется применение нейросетевых архитектур для семантической сегментации нор
  грызунов с целью мониторинга их популяции на сельскохозяйственных полях. В частности, рас-
  сматриваются три модели для семантической сегментации: сверточный автокодировщик (САК),
  SegNet и U-Net. Эти модели применяются для анализа изображений, полученных с беспилотных летательных аппаратов (БпЛА) и наземных роботизированных средств (РТС), что позволяет
  автоматически выявлять норы, минимизируя необходимость в трудозатратах при обработке
  больших объемов данных. Для обучения и тестирования моделей была подготовлена выборка,
  включающая 247 RGB-изображений, содержащих 1098 размеченных нор. Оценка показателей ка-
  чества семантической сегментации проводилась с использованием метрики Джаккара (IoU), в
  результате чего были получены следующие значения: 0,511 для САК, 0,548 для SegNet и 0,529 для
  U-Net. Была проведена оценка вычислительных ресурсов, необходимых для внедрения этих моделей
  в бортовые вычислительные устройства (БВУ) мобильных РТС. Рассмотрены два критерия: ко-
  личество операций с плавающей точкой (GFLOPS) и количество параметров моделей. Результа-
  ты показали, что SegNet требует 2,23 GFLOPS и имеет 0,76 миллиона параметров, что в 2,58 и
  2,33 раза меньше по сравнению с САК и U-Net соответственно. Количество операций с плавающей
  точкой для SegNet также оказалось на 2,43 и 1,88 раза ниже, чем у САК и U-Net соответственно.
  В результате, SegNet превзошла САК и U-Net как в эффективности сегментации, так и в требуе-
  мых вычислительных ресурсах. Данная работа выполнялась в рамках реализации системы компь-
  ютерного зрения сельскохозяйственной РТС.