ARTIFICIAL INTELLIGENCE AND DECISION MAKINGARTIFICIAL INTELLIGENCE AND DECISION MAKINGИскусственный интеллект и принятие решений2071-859426943710.14357/20718594230208Machine Learning, Neural NetworksМашинное обучение, нейронные сетиResearch ArticleOptimization of the Number of Passes in the Problem of Logical Image FilteringОптимизация числа проходов в задаче логической фильтрации изображенийBobyrMaxim V.БобырьМаксим Владимирович
Russian Federation

Doctor of Technical Sciences, Professor of the Department of Computer Science

доктор технических наук, профессор кафедры «Вычислительная техника»

maxbobyr@gmail.comEmelyanovSergey G.ЕмельяновСергей Геннадьевич
Russian Federation

Doctor of Technical Sciences, Professor of the Department of Unique Buildings and Structures

доктор технических наук, профессор кафедры «Уникальные здания и сооружения»

fregat_mn@rambler.ruMilostnayaNatalya A.МилостнаяНаталья Анатольевна
Russian Federation

Candidate of Technical Sciences, Leading Researcher of the Department of Computer Science

кандидат технических наук, ведущий научный сотрудник кафедры «Вычислительная техника»

nat_mil@mail.ruSouthwest State UniversityЮго-Западный государственный университет150420232981071111202411112024Copyright ©; 2023, ФИЦ ИУ РАНCopyright ©; 2023,2023ФИЦ ИУ РАНhttps://journals.rcsi.science/2071-8594/article/view/269437

A method for optimization of the passes’ number is considered, which makes it possible to reduce the image processing time when implementing various operations, for example, logical filtering and/or depth mapping. A feature of this method is the use of two passes in the forward and reverse directions. The presented pseudocodes allow understanding the essence of the proposed passages. Evaluation of the method performance, confirmed by the results of simulation modeling, showed a noticeable decrease in the temporal characteristics of processing an image with a size of 3×3.

Рассмотрен метод оптимизации числа проходов, позволяющий снизить время обработки изображения при реализации различных операций, например, логической фильтрации и/или построения карт глубин. Особенностью данного метода является использование двух проходов в прямом и обратном направлениях. Представленные псевдокоды позволяют понять суть предложенных проходов. Оценка производительности метода, подтвержденная результатами имитационного моделирования, показала заметное снижение временных характеристик обработки изображения размером 3×3.

optimizationnumber of passes3×3 windowimage filteringconvolutional filterоптимизация числа проходовокно 3×3фильтрация изображенийсверточный фильтрThe work was supported by the RSF Grant No. 23-21-00071Работа выполнена при поддержке гранта РНФ № 23-21-00071Gurevich Yu.E. Robototehnicheskie ustrojstva [Robotic devices]. Staryj Oskol: Izdatel`stvo «Tonkie naukoemkie tehnologii» [Publishing House "Thin science-intensive technologies"], 2022. P. 328.Гуревич Ю.Е. Робототехнические устройства// Старый Оскол: Издательство «Тонкие наукоемкие технологии», 2022. С. 328.Kolosov O.S., Esjutkin A.A., Prokof'ev N.A., Vershinin D.V., Balarev D.A. Avtomatizacija proizvodstva [Automation of Manufacturing]. Moskva: Yurayt [Moscow: Yurayt], 2018. P 291.Колосов О.С., Есюткин А.А., Прокофьев Н.А., Вершинин Д.В., Баларев Д.А. Автоматизация производства. М.: Юрайт, 2018. С. 291.Noskov V.P., Rubtsov V.I., Rubtsov I.V. Matematicheskie modeli dvizhenija i sistemy tehnicheskogo zrenija mo-bil'nyh robototehnicheskih kompleksov [Mathematical models of motion and vision systems of mobile robotic complexes]. Moskva: MGTU [Moscow: MGTU], 2015. 96p.Носков В.П., Рубцов В.И., Рубцов И.В. Математические модели движения и системы технического зрения мобильных робототехнических комплексов. М.: МГТУ. 2015. 96с.Bobyr M., Arkhipov A., Emelyanov S., Milostnaya N. A method for creating a depth map based on a three-level fuzzy model // Engineering Applications of Artificial Intelligence. 2023. № 117. P. 105629.Yamashita H., Kobayashi E. Mechanism and design of a novel 8K ultra-high-definition video microscope for microsurgery. Heliyon. 2021. № 7(2). Р. 06244.Yamashita H., Kobayashi E. Mechanism and design of a novel 8K ultra-high-definition video microscope for microsurgery. Heliyon. 2021. №7(2). Р. 06244.Alam S. A. et al. Winograd convolution for deep neural networks: Efficient point selection //ACM Transactions on Embedded Computing Systems. 2022. Т.21. № 6. Р. 1-28.Alam S. A. et al. Winograd convolution for deep neural networks: Efficient point selection // ACM Transactions on Embedded Computing Systems. 2022. Т. 21. № 6. Р. 1-28.Arkhipov P.O., Trofimenkov A.K., Tsukanov M.V., Nosova N.Yu. Issledovanie metodov detektirovanija kljuchevyh tochek pri sozdanii panoramnyh izobrazhenij [Investigation of methods for detecting key points when creating panoramic images] // Sistemy i sredstva informatiki [Computer science systems and tools]. 2022. № 32(2). Р. 92-104.Архипов П.О., Трофименков А.К., Цуканов М.В., Носова Н.Ю. Исследование методов детектирования ключевых точек при создании панорамных изображений // Системы и средства информатики. 2022.Maneckshaw B., Mahapatra G.S. Novel fuzzy matrix swap algorithm for fuzzy directed graph on image processing // Expert Systems with Applications. 2022. № 193. Р.116291.№ 32(2). С. 92-104.Zhang Z., Li Y., Yan X., Ouyang Z. A low-complexity AMP detection algorithm with deep neural network for massive MIMO systems // Digital Communications and Networks. 2022. November. Р. 11.Maneckshaw B., Mahapatra G.S. Novel fuzzy matrix swap algorithm for fuzzy directed graph on image processing // Expert Systems with Applications. 2022. № 193. Р.116291.Korchazhkina O.M. Optimizacija poiska pri reshenii perebornyh zadach v uglublennom kurse informatiki na urovne osnovnogo obshhego obrazovanija [Search optimization when solving iterative problems in an advanced computer science course at the level of basic general education] // Sistemy i sredstva informatiki [Computer science systems and tools]. 2022. № 32(4). Р. 145-156.Zhang Z., Li Y., Yan X., Ouyang Z. A low-complexity AMP detection algorithm with deep neural network for massive MIMO systems // Digital Communications and Networks. 2022. November. Р. 11.Apanovich M.S., Lyapin A.P., Shadrin K.V. Primenenie metodov kompyuternoy algebry dlya vychisleniya resheniya zadachi Koshi dlya dvumernogo raznostnogo uravneniya v tochke [Application of computer algebra methods to calculate the solution of the Cauchy problem for a two-dimensional difference equation at a point] // Programmirovanie [Programming]. 2021. № 1. Р. 5-10.Корчажкина О.М. Оптимизация поиска при решении переборных задач в углубленном курсе информатики на уровне основного общего образования // Системы и средства информатики. 2022. № 32(4). С. 145-156.Robocraft // Electronic resource. URL: https://robocraft.ru/computervision/427 (accessed 25.01.2023).Апанович М.С., Ляпин А.П., Шадрин К.В. Применение методов компьютерной алгебры для вычисления решения задачи Коши для двумерного разностного уравнения в точке // Программирование. 2021. № 1. С. 5-10.Habr // Electronic resource. URL: https://habr.com/ru/post/477718/ (accessed 25.01.2023)Robocraft // Электронный ресурс. URL: https://robocraft.ru/computervision/427 (доступ 25.01.2023).Bobyr M.V. Metod nelineynogo obucheniya neyronechetkoy sistemy vyvoda [The method of non-linear learning the neuro-fuzzy inference system] // Iskusstvenniy intellekt i prinyatie resheniy [Artificial intelligence and decision making]. 2018. № 1. P. 67-75.Habr // Электронный ресурс. URL: https://habr.com/ru/post/477718/ (доступ 25.01.2023).Nguyen T., Hefenbrock D., Oberg J., Kastner R., Baden S. A software-based dynamic-warp scheduling approach for load-balancing the Viola–Jones face detection algorithm on GPUs // Journal of Parallel and Distributed Computing. 2013. № 73(5). Р. 677–685.Бобырь М.В. Метод нелинейного обучения нейронечеткой системы вывода // Искусственный интеллект и принятие решений. 2018. № 1. С. 67-75.Nguyen T., Hefenbrock D., Oberg J., Kastner R., Baden S. A software-based dynamic-warp scheduling approach for load-balancing the Viola–Jones face detection algorithm on GPUs // Journal of Parallel and Distributed Computing. 2013. № 73(5). Р. 677–685.