МОЛОДЕЖНЫЙ НАУЧНО-ТЕХНИЧЕСКИЙ ВЕСТНИК

Файл статьи: Бородин И.Д..pdf (7173.86Кб)

1.       Чигорин А. А., Конушин А. С. Эксперименты с обучением методов распознавания дорожных знаков на синтетических данных // Инженерный вестник. МГТУ им. Н.Э. Баумана. Электрон. журн. 2013. № 8. DOI:10.7463/0813.0603378.

2.       Девайкин П. А., Шикуть А. В. Построение дополненной реальности на примере создания виртуальной примерочной // Инженерный. МГТУ им. Н.Э. Баумана. Электрон. журн. 2012. № 8. DOI: 10.7463/0813.0603378/.

3.       Алфимцев А.Н. Нечеткое агрегирование мультимодальной информации в интеллектуальном интерфейсе // Программные продукты и системы. 2011. № 3. С. 44-48.

4.       Computer Vision System Toolbox™User’s Guide. Available at: http://cn.mathworks.com/help/pdf_doc/vision/vision_ug.pdf  (accessed 07.10.2014).

5.       Визильтер Ю. В., Желтов С. Ю., Князь В. А., Ходарев А. Н., Моржин А. В. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision. М.: ДМК Пресс, 2007. 464 с.

6.       Dawson-Howe K.  A Practical Introduction to Computer Vision with OpenCV. John Wiley & Sons Ltd. , 2014. 234 p.

7.       Joutou T., Yanai K. A food image recognition system with multiple kernel learning  // IEEE International Conference on Image Processing. 7-10 Nov 2009. P. 285–288. DOI: 10.1109/ICIP.2009.5413400.

8.       Hoashi H., Joutou T., Yanai K. Image recognition of 85 food categories by feature fusion // International Symposium on Multimedia. 13-15 Dec 2010. P. 296–301. DOI: 10.1109/ISM.2010.51.

9.       Matsuda Y., Hoashi H., Yanai K. Recognition of multiple-food images by detecting candidate regions // IEEE International Conference on Multimedia and Expo. 09-13 July 2012. P. 1554–1564. DOI: 10.1109/ICME.2012.157.

10.   Kawano Y., Yanai K. Real-time mobile food recognition system // IEEE Conference on Computer Vision and Pattern Recognition Workshops. 23-28 June 2013. P. 1-7. DOI: 10.1109/CVPRW.2013.5.

11.   Konaje N.K. Food recognition and calorie extraction using Bag-of-SURF and Spatial Pyramid Matching methods / Computer Science department Stanford University. Available at: http://cvgl.stanford.edu/teaching/cs231a_winter1415/prev/projects/food.pdf, accessed 17.10.2014.

12.   Baxter J. Food recognition using ingredient-level features. Massachusetts Institute of Technology. Available at: http://jaybaxter.net/6869_food_project.pdf, accessed 07.10.2014.

13.   Bettadapura V., Thomaz E., Parnami A., Abowd G.D., Essa I. Leveraging context to support automated food recognition in restaurants // IEEE Winter Conference on Applications of Computer Vision. 5-9 Jan 2015. P. 580-587. DOI: 10.1109/WACV.2015.83.

14.   Puri M., Zhu Z., Yu Q., Divakaran A., Sawhney H. Recognition and Volume Estimation of Food Intake using a Mobile Device // IEEE Workshop on Applications of Computer Vision. Dec 2009. P. 1-8.

15.   Pouladzadeh P., Villalobos G., Almaghrabi R., Shirmohammadi S. A Novel SVM Based Food Recognition Method for Calorie Measurement Applications // IEEE International Conference on Multimedia and Expo Workshops. 9-13 July 2012. P. 495 - 498. DOI: 10.1109/ICMEW.2012.92.

16.   Mean Shift Theory. Avaliable at http://www.cse.psu.edu/~rcollins/CSE598G/introMeanShift_6pp.pdf, (accessed 12.10.2014).

17.   CAMSHIFT Tracking Algorithm. Available at: http://www.gergltd.com/cse486/project5/, accessed at 12.10.2014).

18.   John G. Allen, Richard Y. D. Xu, Jesse S. Jin  Object Tracking Using CamShift Algorithm and Multiple Quantized Feature Spaces // In VIP '05: Proceedings of the Pan-Sydney area workshop on Visual information processing. 2004. P. 3-7.

19.   Boroviˇcka J. Circle Detection Using Hough Transforms Documentation. Available on: https://files.nyu.edu/jb4457/public/files/research/bristol/hough-report.pdf, accessed 17.10.2014.