1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
2. Матеріали конференцій, семінарів, читань
3. 2025
4. ⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“ (2025)

Titolo:	Аналіз впливу параметрів стереосистем з глибинною картою на якість розпізнавання динамічних обʼєктів у системах технічного зору
Titoli alternativi:	Analysis of the impact of stereo vision system parameters with depth maps on dynamic object recognition performance in machine vision
Autori:	Білоус, Б. Паламар, М. Bilous, B. Palamar, M.
Affiliation:	Тернопільський національний технічний університет імені Івана Пулюя, Україна
Bibliographic description (Ukraine):	Білоус Б. Аналіз впливу параметрів стереосистем з глибинною картою на якість розпізнавання динамічних обʼєктів у системах технічного зору / Б. Білоус, М. Паламар // Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“, 17-18 грудня 2025 року. — Т. : ТНТУ, 2025. — С. 19–21. — (Математичне моделювання).
Bibliographic reference (2015):	Білоус Б., Паламар М. Аналіз впливу параметрів стереосистем з глибинною картою на якість розпізнавання динамічних обʼєктів у системах технічного зору // Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“, Тернопіль, 17-18 грудня 2025 року. 2025. С. 19–21.
Bibliographic citation (APA):	Bilous, B., & Palamar, M. (2025). Analiz vplyvu parametriv stereosystem z hlybynnoiu kartoiu na yakist rozpiznavannia dynamichnykh obʼiektiv u systemakh tekhnichnoho zoru [Analysis of the impact of stereo vision system parameters with depth maps on dynamic object recognition performance in machine vision]. Materials of the ⅩⅢ Scientific and Technical Conference “Information Models, Systems, and Technologies”, 17-18 December 2025, Ternopil, 19-21. TNTU. [in Ukrainian].
Bibliographic citation (CHICAGO):	Bilous B., Palamar M. (2025) Analiz vplyvu parametriv stereosystem z hlybynnoiu kartoiu na yakist rozpiznavannia dynamichnykh obʼiektiv u systemakh tekhnichnoho zoru [Analysis of the impact of stereo vision system parameters with depth maps on dynamic object recognition performance in machine vision]. Materials of the ⅩⅢ Scientific and Technical Conference “Information Models, Systems, and Technologies” (Tern., 17-18 December 2025), pp. 19-21 [in Ukrainian].
Is part of:	Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“, 2025 Materials of the ⅩⅢ Scientific and Technical Conference “Information Models, Systems, and Technologies”, 2025
Conference/Event:	ⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“
Journal/Collection:	Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“
Data:	17-dic-2025
Date of entry:	5-gen-2026
Editore:	ТНТУ TNTU
Place of the edition/event:	Тернопіль Ternopil
Temporal Coverage:	17-18 грудня 2025 року 17-18 December 2025
UDC:	621.382.8
Number of pages:	3
Page range:	19-21
Start page:	19
End page:	21
URI:	http://elartu.tntu.edu.ua/handle/lib/51000
Copyright owner:	© Тернопільський національний технічний університет імені Івана Пулюя, 2025
URL for reference material:	https://doi.org/10.1364/OE.492498
References (International):	1. Y.Y. Schechner, N. Kiryati. Depth from Defocus vs. Stereo: How Different Really Are They? Proc. ICPR, 1998. 2. A.A.K. Ashar et al. A Survey on Object Detection and Recognition for Blurred Images. ACM Computing Surveys, 2024. 3. P. Müller et al. Examining the Impact of Optical Aberrations to Image Classification and Object Detection Models, 2025. 4. Igor Vasiljevic, Ayan Chakrabarti, Gregory Shakhnarovich. Examining the Impact of Blur on Recognition by Convolutional Networks. 30 May 2017. 5. Xu Wang, Yang Gao, and Zhenzhong Wei. Calibration method for large-field-of-view stereo vision system based on distance-related distortion model. Optica Publishing Group, 2023. https://doi.org/10.1364/OE.492498. 6. Stereo Applications Need a Dedicated Lens Choosing. 7. N. Mansurov. Autofocus Modes Explained. Photography Life, 2023. 8. S. Yoshihara et al. Does Training with Blurred Images Bring Convolutional Neural Networks Closer to Humans? Vision Research / PMC, 2023. 9. Analyzing the Side Effects of Blur in Image Classification with Convolutional Neural Networks. ResearchGate preprint, 2025. 10. X. Wang et al. Calibration Method for Large-Field-of-View Stereo Vision System. Optics Express, 2023. 11. K. Wei et al. Accuracy Evaluation of Calibration Methods for Large Field-of-View Cameras. Optics & Laser Technology, 2025. 12. J.K. Harvey et al. Calibration Stability of an Underwater Stereo-Video System: Implications for Measurement Accuracy and Precision. Marine Technology Society Journal, 2003. 13. Canon. All about Autofocus (AF) Systems. 14. How to Use AF Tracking Modes for Capturing Moving Subjects. iPhotography, 2025. 15. M. Palamar, V. Pohrebennyk, I. Puleko, V. Chumakevych, V. Ptashnyk, Automated decryption of bodies of water on the basis of Landsat-8 satellite images with reference to controlled classification, Przeglad Elektrotechniczny, 2020, 96 (11), pp. 115–118. 16. V. Vlasenko, V. Mamarev, V. Ozhіnskyі, O. Ulyanov, V. Zakharenko, M. Palamar, A. Chaikovskyi, Method of constructing the primary error matrix of the RT-32 radio telescope in an automated mode, Space Science & Technology, 2021, vol. 27, no 3 (130). pp. 66–75.
Content type:	Conference Abstract
È visualizzato nelle collezioni:	ⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“ (2025)

Tutti i documenti archiviati in DSpace sono protetti da copyright. Tutti i diritti riservati.