Link lub cytat. http://elartu.tntu.edu.ua/handle/lib/51000

Tytuł: Аналіз впливу параметрів стереосистем з глибинною картою на якість розпізнавання динамічних обʼєктів у системах технічного зору
Inne tytuły: Analysis of the impact of stereo vision system parameters with depth maps on dynamic object recognition performance in machine vision
Authors: 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].
Część publikacji: 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
Konferencja/wydarzenie: ⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“
Journal/kolekcja: Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології“
Data wydania: 17-gru-2025
Date of entry: 5-sty-2026
Wydawca: ТНТУ
TNTU
Place edycja: Тернопіль
Ternopil
Zakresu czasowego: 17-18 грудня 2025 року
17-18 December 2025
UDC: 621.382.8
Strony: 3
Zakres stron: 19-21
Główna strona: 19
Strona końcowa: 21
URI: http://elartu.tntu.edu.ua/handle/lib/51000
Właściciel praw autorskich: © Тернопільський національний технічний університет імені Івана Пулюя, 2025
Związane URL literatura: https://doi.org/10.1364/OE.492498
References: 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.
Typ zawartości: Conference Abstract
Występuje w kolekcjach:ⅩⅢ науково-технічна конференція „Інформаційні моделі, системи та технології“ (2025)



Pozycje DSpace są chronione prawami autorskimi