УДК 004.932.1
DOI: 10.36871/2618-­9976.2026.02.0011

Авторы

Сергей Юрьевич Ситников,
Кандидат технических наук, доцент, кафедра «Информационные технологии и интеллектуальные системы». Казанский государственный энергетический университет, Казань, Россия
Яха Ахмудовна Хадуева,
Старший преподаватель кафедры прикладной математики и компьютерных технологий. ФГБОУ ВО Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия
Севиль Анверовна Магомедова,
Кандидат биологических наук, доцент. Дагестанский государственный педагогический университет им. Р. Гамзатова, Махачкала, Россия

Аннотация

В статье рассматривается применение методов искусственного  интеллекта для автоматической сегментации изображений как  одного из наиболее значимых направлений современного компьютерного зрения, обеспечивающего возможность выделения  объектов и областей интереса на уровне пикселей и тем самым  создающего  основу  для  последующего  анализа  визуальных данных в задачах медицины, промышленности, дистанционного  зондирования  Земли  и  интеллектуальных  транспортных систем. В  работе анализируются  основные  типы  сегментации, включая  семантическую,  инстанс­сегментацию  и  паноптическую сегментацию, а также раскрываются принципы функционирования  современных  нейросетевых  архитектур,  которые  в  условиях высокой вариативности изображений позволяют моделировать  пространственные  зависимости,  учитывать  контекст и повышать точность выделения границ.

Ключевые слова

сегментация изображений
искусственный интеллект
глубокое обучение
компьютерное зрение
трансформеры

Список литературы

[1] Бахвалов Н.С. Численные методы. М.: Бином, 2006. 636 с.
[2] Васильев А.В. Компьютерное  зрение:  методы  и  алгоритмы  обработки изображений. М.: Горячая линия – Телеком, 2012. 320 с.
[3] Гонсалес Р.С., Вудс Р.Э. Цифровая  обработка  изображений.  М.:  Техносфера, 2018. 1104 с.
[4] Дьяконов А.Г. Прикладные задачи анализа данных. М.: МЦНМО, 2019. 304 с.
[5] Ермолов И.В. Методы машинного обучения в задачах компьютерного зрения. СПб.: Питер, 2020. 416 с.
[6] Зенков А.А. Глубокое обучение и нейронные сети: основы и приложения. М.: ДМК  Пресс, 2021. 512 с.
[7] Кудрявцев Л.Д. Курс математического анализа. М.: Физматлит, 2009. 720 с.
[8] Ляхов А.А. Нейронные сети и глубокое обучение. М.: ДМК Пресс, 2020. 384 с.
[9] Поспелов Д.А. Искусственный интеллект: модели и методы. М.: Наука, 1986. 320 с.
[10] Рашка С., Мирджалили В. Python и машинное обучение. СПб.: Питер, 2020. 848 с.