Anastasiia Neskorodieva

Anastasiia Neskorodieva

Auto-generated profile, based on publicly available information

Anastasiia Neskorodieva

Vasyl’ Stus Donetsk National University

Research Focus & Metrics

Academic Career Length

4Years (2023-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
16 April 2024
Verified
Conference Paper
Closed access
CUCentral Ukrainian National Technical University
Central Ukrainian National Technical University
OSOleksii Smirnov
Oleksii Smirnov
EFEugene Fedorov
Eugene Fedorov
CUCherkasy State Technological University
Cherkasy State Technological University
ANAnastasiia Neskorodieva
Anastasiia Neskorodieva
UHUman National University of Horticulture
Uman National University of Horticulture

28 February 2025
Verified
Book Chapter
Closed access
PDF file
RLRoman Lishchuk
Roman Lishchuk
Pavlo KulakovPavlo Kulakov
Pavlo Kulakov
VKVolodymyr Kucheruk
Volodymyr Kucheruk
Andrii SemenovAndrii Semenov
Andrii Semenov
SKSerhii Kontseba
Serhii Kontseba
SSSvitlana Skurtol
Svitlana Skurtol


2 January 2026
Verified
Book Chapter
Closed access
TNTetiana Neskorodieva
Tetiana Neskorodieva
EFEugene Fedorov
Eugene Fedorov
Pavlo KulakovPavlo Kulakov
Pavlo Kulakov
VKVolodymyr Kucheruk
Volodymyr Kucheruk
AKAnait Karapetyan
Anait Karapetyan
ANAnastasiia Neskorodieva
Anastasiia Neskorodieva

7 September 2024
Verified
Book Chapter
Closed access
PDF file
TNTetiana Neskorodieva
Tetiana Neskorodieva
EFEugene Fedorov
Eugene Fedorov
ONOlga Nechyporenko
Olga Nechyporenko
ANAnastasiia Neskorodieva
Anastasiia Neskorodieva

30 May 2024 in Automation of technological and business processes
Verified
Journal Article
Closed access
ANA. Neskorodieva
A. Neskorodieva
Робота присвячена розпізнаванню пози людини під час швидких рухів і складних нестандартних поз за рахунок великої кількості задіяних у русі кінцівок. Тематичним напрямом було обрано художню гімнастику і, відповідно, специфіку суддівської оцінки виступу спортсменки. Велика кількість синхронізованих відео зі швидкими рухами та послідовністю складних поз з різних ракурсів дозволяє сформувати набір даних, необхідний для подальших досліджень та впровадження отриманих результатів як у соціально важливих галузях, так і на ринку комерційних послуг з використанням технологій штучного інтелекту. Розроблено комп’ютерну систему, яка може бути використана для підвищення об’єктивності спортивного суддівства на змаганнях з художньої гімнастики, а також стати альтернативою традиційній системі суддівства у разі проведення змагань у дистанційному форматі. Розширивши завдання, систему також можна використовувати для діагностики проблем з нервовою системою та опорно-руховим апаратом людини. У результаті дослідження було зібрано та структуровано набір даних, що відображає виконання спортивних елементів. Було визначено особливості моделей mediapipe та ViTPose та обрано найкраще рішення для попередньої обробки підготовленого набору. Основним результатом роботи є побудована та навчена модель класифікації спортивних елементів, яка класифікує 7 елементів з точністю 0,9048. Точність свідчить про те, що модель працює на високому рівні, у більшості випадків правильно класифікуючи спортивні елементи. Цей рівень точності вказує на те, що модель було ефективно навчено класифікувати ці конкретні елементи. У майбутньому, щоб мати можливість повноцінно оцінювати виступи художніх гімнасток, необхідно додати відстеження об’єкта, з яким виступає спортсменка, створити метод відстеження взаємодії з ним.