Malashin, Roman O.

Ермаченкова М.К., Малашин Р.О., Бойко А.А. Обучение нейронных сетей для классификации тепловизионных изображений на основе изображений видимого спектра // Оптический журнал. 2023. Т. 90. № 10. С. 48–66. http://doi.org/10.17586/1023-­5086-­2023­-90­-10­-48-­66

Ermachenkova M.K., Malashin R.O., Boiko A.A. Neural network training for thermal image classification based on visible spectrum images [In Russian] // Opticheskii Zhurnal. 2023. V. 90. № 10. P. 48–66. http://doi.org/10.17586/1023­5086­2023­90­10­48­66

Малашин Р.О., Михалькова М.А. Метод повышения резкости совмещённых стереоснимков при наличии оптических дисторсий // Оптический журнал. 2023. Т. 90. № 8. С. 44–54. http://doi.org/10.17586/1023-5086-2023-90-08-44-54

Малашин Р.О. Динамическая остановка вычислений в системах компьютерного зрения // Оптический журнал. 2022. Т. 89. № 8. С. 54–63. http://doi.org/ 10.17586/1023-5086-2022-89-08-54-63

Malashin R.O. Dynamic termination of computations in computer vision systems  [in Russian] // Opticheskii Zhurnal. 2022. V. 89. № 8. P. 54–63. http://doi.org/ 10.17586/1023-5086-2022-89-08-54-63

Скуратова К.А., Шелепин Е.Ю., Малашин Р.О., Шелепин Ю.Е. Анализ изображений и поиск ошибок в текстах исходного программного кода // Оптический журнал. 2022. Т. 89. № 8. С. 64–75. http://doi.org/10.17586/1023-5086-2022-89-08-64-75

Skuratova K.A., Shelepin E.Yu., Malashin R.O., Shelepin Yu.E. Image analysis and error detection in source software code [in Russian] // Opticheskii Zhurnal. 2022. V. 89. № 8. P. 64–75. http://doi.org/10.17586/1023-5086-2022-89-08-64-75 

Малашин Р.О., Бойко А.А. Обучение динамически конфигурируемого классификатора с использованием глубокого Q-обучения // Оптический журнал. 2022. Т. 89. № 8. С. 8–23. http://doi.org/10.17586/1023-5086-2022-89-08-08-23

Malashin R.O., Boiko A.A. Training a dynamically configurable classifier with deep Q-learning  [in Russian] // Opticheskii Zhurnal. 2022. V. 89. № 8. P. 8–23. http://doi.org/10.17586/1023-5086-2022-89-08-08-23

Титаренко М.А., Малашин Р.О. Исследование способностей нейронных сетей к извлечению и использованию семантической информации при обучении восстановлению зашумлённых изображений // Оптический журнал. 2022. Т. 89. №2. С. 25–35. http://doi.org/ 10.17586/1023-5086-2022-89-02-25-35

Titarenko M.A., Malashin R.O. Study of the ability of neural networks to extract and use semantic information when they are trained to reconstruct noisy images [in Russian] // Opticheskii Zhurnal. 2022. V. 89. № 2. P. 25–35. http://doi.org/ 10.17586/1023-5086-2022-89-02-25-35

Малашин Р.О. Обучение улучшенной модели рекуррентного внимания с использованием альтернативной функции вознаграждения // Оптический журнал. 2021. Т. 88. № 3. С.18–23. http://doi.org/10.17586/1023-5086-2021-88-03-18-23

Malashin R.O. Training an improved recurrent attention model using an alternative reward function [in Russian] // Opticheskii Zhurnal. 2021. V. 88. № 3. P.18–23. http://doi.org/10.17586/1023-5086-2021-88-03-18-23

Титаренко М.А., Малашин Р.О. Метод улучшения изображений с помощью глубоких нейронных сетей при использовании высокоуровневой информации// Оптический журнал. 2020. Т. 87. № 10. С. 59–68. http://doi.org/10.17586/1023-5086-2020-87-10-59-68

Titarenko M. A. and Malashin R. O. Image enhancement by deep neural networks using high-level information [in Russian] // Opticheskii Zhurnal. 2020. V. 87. № 10. P. 59–68. http://doi.org/10.17586/1023-5086-2020-87-10-59-68

Бойко A.A., Малашин Р.О. Single frame Noise2Noise: метод обучения нейронных сетей без использования эталонных данных в задаче улучшения изображения видеопоследовательности // Оптический журнал. 2020. Т. 87. № 10. С. 5–14. http://doi.org/10.17586/1023-5086-2020-87-10-05-14

Boiko A.A., Malashin R.O. Single-frame Noise2Noise: method of training a neural network without using reference data for video sequence image enhancement [in Russian] // Opticheskii Zhurnal. 2020. V. 87. № 10. P. 5–14. http://doi.org/10.17586/1023-5086-2020-87-10-05-14

Малашин Р.О. Принцип наименьшего действия в динамически конфигурируемых системах анализа изображений // Оптический журнал. 2019. Т. 86. № 11. С. 5–13. http://doi.org/10.17586/1023-5086-2019-86-11-05-13

Malashin R.O. Principle of least action in dynamically configured image analysis systems [in Russian] // Opticheskii Zhurnal. 2019. V. 86. № 11. P. 5–13. http://doi.org/10.17586/1023-5086-2019-86-11-05-13

Малашин Р.О. Измерение дальности до автомобилей с помощью камеры бокового вида без использования дорожной разметки // Оптический журнал. 2019. Т. 86. № 11. С. 51–58. http://doi.org/10.17586/1023-5086-2019-86-11-51-58

Malashin R.O. Measuring the distance to cars by means of a side view camera without using road markings [in Russian] // Opticheskii Zhurnal. 2019. V. 86. № 11. P. 51–58. http://doi.org/10.17586/1023-5086-2019-86-11-51-58

Пономарев С.В., Maлашин Р.О., Моисеенко Г.А. Автоматическая классификация зрительных стимулов по электроэнцефалограмме наблюдателя // Оптический журнал. 2018. Т. 85. № 8. С. 67–76. http://doi.org/10.17586/1023-5086-2018-85-08-67-76

Ponomarev S.V., Malashin R.O., Moiseenko G.A. Automatic classification of visual stimuli using an observer’s electroencephalogram [in Russian] // Opticheskii Zhurnal. 2018. V. 85. № 8. P. 67–76. http://doi.org/10.17586/1023-5086-2018-85-08-67-76

Малашин Д.О., Петерсон М.В., Малашин Р.О. Видеоинерциальная измерительная система // Оптический журнал. 2018. Т. 85. № 5. С. 53–59. http://doi.org/10.17586/1023-5086-2018-85-05-53-59

Malashin D.O., Peterson M.V., Malashin R.O. Video inertial measurement system [in Russian] // Opticheskii Zhurnal. 2018. V. 85. № 5. P. 53–59. http://doi.org/10.17586/1023-5086-2018-85-05-53-59

Малахова Е.Ю., Шелепин Е.Ю., Малашин Р.О. Применение искусственных нейронных сетей, учитывающих временную динамику, для анализа движения глаз без специального оборудования // Оптический журнал. 2018. Т. 85. № 3. С. 77–80. http://doi.org/10.17586/1023-5086-2018-85-03-77-80

Malakhova E.Yu., Shelepin E.Yu., Malashin R.O. Temporal data processing from webcam eye tracking using artificial neural networks [in Russian] // Opticheskii Zhurnal. 2018. V. 85. № 3. P. 77–80. http://doi.org/10.17586/1023-5086-2018-85-03-77-80

Малашин Р.О. Извлечение информации об иерархии объектов из обученных нейронных сетей глубокого обучения с помощью анализа матрицы неточностей // Оптический журнал. 2016. Т. 83. № 10. С. 24–30.

Malashin R.O. Extraction of object hierarchy data from trained deep-learning neural networks via analysis of the confusion matrix [in Russian] // Opticheskii Zhurnal. 2016. V. 83. № 10. P. 24–30.

Малашин Р.О., Кадыков А.Б. Исследование обобщающих способностей сверточных нейронных сетей при формировании признаков, инвариантных к вращению // Оптический журнал. 2015. Т. 82. № 8. С. 24–32.

Malashin R.O., Kadykov A.B. Investigation of the generalizing capabilities of convolutional neural networks in forming rotation-invariant attributes [in Russian] // Opticheskii Zhurnal. 2015. V. 82. № 8. P. 24–32.

Луцив В.Р., Малашин Р.О. Объектно-независимый структурный анализ изображений: история и современные подходы // Оптический журнал. 2014. Т. 81. № 11. С. 31–44.

Lutsiv V.R., Malashin R.O. Object-independent structural image analysis: History and modern approaches [in Russian] // Opticheskii Zhurnal. 2014. V. 81. № 11. P. 31–44.

Малашин Р.О. Сопоставление изображений трехмерных сцен с помощью кластеризации сопоставленных локальных признаков посредством преобразования Хафа // Оптический журнал. 2014. Т. 81. № 6. С. 34–42.

Malashin R.O. Correlating images of three-dimensional scenes by clusterizing the correlated local attributes, using the Hough transform [in Russian] // Opticheskii Zhurnal. 2014. V. 81. № 6. P. 34–42.