Поиск

Выпуск
Название
Авторы
Том 28, № 2 (2018)
A Fast Fourier based Feature Descriptor and a Cascade Nearest Neighbour Search with an Efficient Matching Pipeline for Mosaicing of Microscopy Images
Hast A., Sablina V., Sintorn I., Kylberg G.
PDF
(Eng)
Том 27, № 4 (2017)
Image clustering segmentation based on SLIC superpixel and transfer learning
Li X., Shen X., Chen H., Feng Y.
PDF
(Eng)
Том 27, № 3 (2017)
Combining rules using local statistics and uncertainty estimates for improved ensemble segmentation
Al-Taie A., Hahn H., Linsen L.
PDF
(Eng)
Том 26, № 4 (2016)
Iterative conic beam tomography based on Bayesian approach to radiation therapy
Vengrinovich V., Zolotarev S., Mirzavand M.
PDF
(Eng)
Том 26, № 3 (2016)
Image-based characterization of the pulp flows
Sorokin M., Strokina N., Eerola T., Lensu L., Karttunen K., Kalviainen H.
PDF
(Eng)
Том 26, № 1 (2016)
A survey of deep learning methods and software tools for image classification and object detection
Druzhkov P., Kustikova V.
PDF
(Eng)
Том 29, № 4 (2019)
Estimation of Blood Flow Velocity in Coronary Arteries Based on the Movement of Radiopaque Agent
Sokolov S., Volchkov S., Bessonov I., Chestukhin V., Kurlyandskaya G., Blyakhman F.
PDF
(Eng)
Том 28, № 4 (2018)
Development and Experimental Investigation of Mathematical Methods for Automating the Diagnostics and Analysis of Ophthalmological Images
Gurevich I., Yashina V., Ablameyko S., Nedzved A., Ospanov A., Tleubaev A., Fedorov A., Fedoruk N.
PDF
(Eng)
Том 28, № 2 (2018)
Key Frame Extraction of Surveillance Video based on Moving Object Detection and Image Similarity
Luo Y., Zhou H., Tan Q., Chen X., Yun M.
PDF
(Eng)
Том 27, № 3 (2017)
Optic disc and cup segmentation methods for glaucoma detection with modification of U-Net convolutional neural network
Sevastopolsky A.
PDF
(Eng)
Том 27, № 3 (2017)
Automation of image categorization with most relevant negatives
Kumar V., Kumar V.
PDF
(Eng)
Том 26, № 4 (2016)
Implementation of the zero-padding interpolation technique to improve angular resolution of X-ray tomographic acquisition system
Bacha M., Oukebdane A., Hafid Belbachir A.
PDF
(Eng)
Том 26, № 3 (2016)
An effective technique for the content based image retrieval to reduce the semantic gap based on an optimal classifier technique
Mane P., Bawane N.
PDF
(Eng)
Том 26, № 2 (2016)
An algorithm for recognizing linear objects in aerial photos automatically
Levashov A.
PDF
(Eng)
Том 26, № 1 (2016)
Automatic processing and analysis of video data formed by a capillaroscope
Chochia P.
PDF
(Eng)
Том 29, № 4 (2019)
Application of Graphic and Image Technology in Strong Convective Weather Monitoring and Early-Warning System
Jiao F., Huang T.
PDF
(Eng)
Том 29, № 1 (2019)
Visible and Infrared Imaging Based Inspection of Power Installation
Jalil B., Pascali M., Leone G., Martinelli M., Moroni D., Salvetti O., Berton A.
PDF
(Eng)
Том 28, № 3 (2018)
A Modified Artificial Bee Colony Algorithm for Image Denoising Using Parametric Wavelet Thresholding Method
Zhang X.
PDF
(Eng)
Том 28, № 2 (2018)
Radial Meixner Moment Invariants for 2D and 3D Image Recognition
El Mallahi M., Zouhri A., Qjidaa H.
PDF
(Eng)
Том 27, № 4 (2017)
Sparse approach to image ringing detection and suppression
Umnov A., Krylov A.
PDF
(Eng)
Том 27, № 3 (2017)
Satellite image-based ancient dwelling fingerprint detection algorithm
Shen L., Yang F.
PDF
(Eng)
Том 26, № 4 (2016)
Application of texture features for comparing the facture of paintings
Murashov D.
PDF
(Eng)
Том 26, № 3 (2016)
New algorithms for verifying the consistency between satellite images and survey conditions
Kuznetsov A., Myasnikov V.
PDF
(Eng)
Том 26, № 2 (2016)
An automatic initialization of interactive segmentation methods using shortest path basins
Ryba T., Zelezny M.
PDF
(Eng)
Том 29, № 4 (2019)
Surface Classification of Damaged Concrete Using Deep Convolutional Neural Network
Hung P., Su N., Diep V.
PDF
(Eng)
26 - 50 из 89 результатов << < 1 2 3 4 > >> 
Подсказки:
  • Ключевые слова чувствительны к регистру
  • Английские предлоги и союзы игнорируются
  • По умолчанию поиск проводится по всем ключевым словам (агенс AND экспериенцер)
  • Используйте OR для поиска того или иного термина, напр. образование OR обучение
  • Используйте скобки для создания сложных фраз, напр. архив ((журналов OR конференций) NOT диссертаций)
  • Для поиска точной фразы используйте кавычки, напр. "научные исследования"
  • Исключайте слово при помощи знака - (дефис) или оператора NOT; напр. конкурс -красоты или же конкурс NOT красоты
  • Используйте * в качестве версификатора, напр. научн* охватит слова "научный", "научные" и т.д.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».