Машинное обучение и распознавание образов

Тематика платформы включает в себя работы по передовым методам интеллектуального анализа данных, визуализации и машинного обучения, а также их применению в современных индустриальных технологиях обработки данных, сигналов, изображений и распознавания образов.

Темы платформы

• Design and analysis of machine learning algorithms and ANNs,
• Image processing, visualization, computer vision, AR/VR,
• Autonomous and adaptive systems,
• Natural language processing,
• Neuroscience and medical data analysis.

 

Суббота, 21 сентября, 9.00–11.00

Шатёр

Руководители секции: Михаил Беляев и Егор Ершов

 

9.00 – 9.20	О линейной сходимости метода чередующихся проекций Дайкстры Алексей Крошнин
9.20 – 9.40	Об оптимальной визуализации изображений на фотоэмиссионных дисплеях со значительной дисперсией эффективности отдельных элементов Ольга Басова
9.40 – 10.00	Параллельный алгоритм на основе модели Изинга для решения задач комбинаторной оптимизации Любовь Маркович
10.00 – 10.20	Максимальная угловая невязка как критерий точности проективной нормализации изображения при оптическом распознавании текста Иван Коноваленко
10.20 – 10.40	CNN and Conditional Random Field for Brain Midline Estimation Stanislav Shimovolos
10.40 – 11.00	Обратное взвешивание кросс-энтропии для повышения качества сегментации очагов рака легкого Алексей Шевцов

 

Суббота, 21 сентября, 11.30–13.30

Шатёр

Руководители секции: Михаил Беляев и Егор Ершов

 

11.30 – 11.47	Глубокое обучение в задаче удаления артефактов от объектов высокой плотности на КТ изображениях головного мозга Александр Самойленко
11.47 – 12.04	Локализация оси позвоночного канала в задаче нахождения переломов позвонков по данным компьютерной томографии грудной клетки Алексей Захаров
12.04 – 12.21	Исследование влияния природы цифровых рентгеновских снимков на качество детекции и дескрипции особых точек Михаил Чеканов
12.21 – 12.38	Одноточечный RANSAC для оценки величины осевого вращения объекта по томографическим проекциям Олег Шипитько
12.38 – 12.55	О быстром поиске сумм по отрезкам на изображении Константин Сошин
12.55 – 13.12	Метод линейной регрессии, устойчивый к экстремальным стационарным помехам Дмитрий Бочаров
13.12 – 13.30	Ускорение метода свертки и обратной проекции по схеме Брейди Анастасия Долматова

 

Машинное обучение и распознавание образов: Постерные доклады

 

М1. Сегментация ложа глиальных опухолей головного мозга для задач планирования лучевой терапии. Талгат Сапаров.

М2. Сравнение аналитического и численного методов исправления радиальной дисторсии на подводных изображениях. Дарья Сеньшина.

М3. Поиск точки схода для динамической калибровки внешних параметров монокулярной камеры при условии прямолинейного движения. Максим Абрамов.

М4. Алгоритм формирования универсального портфеля из ненадежных финансовых инструментов. Юлия Белостоцкая.

М5. Aftershock identification and its use in earthquake prediction. Konstantin Petrov.

М6. Построение профиля аорты по снимкам компьютерной томографии грудной клетки. Кирилл Киселев.

М7. Adapting Probabilistic U-Net for Midline Shift Detection. Alim Bukharaev.

М8. Классификация пациентов с шизофреническим расстройством на основе анализа липидного состава плазмы крови. Роман Лисов.

М9. Активное обучение на основе гауссовских процессов в задаче классификации. Дарья Котова.

М10. Определение параметров поглощения и рассеяния на основе быстрого преобразования Хафа. Вадим Титов.

М11. Алгоритм автоматического определения области интереса поиска объектов по траекториям их движения. Максим Колодяжный.

М12. Метод коррекции бинаризованных изображений пористых структур. Владислав Кохан.

М13. Использование оконного преобразования Хафа для поиска протяженных границ на изображении. Екатерина Панфилова.

М14. Фильтрация выбросов в процессе локализации прямоугольных плоских объектов при видеосъемке с помощью общей системы координат. Екатерина Емельянова.