Математичне та програмне забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень
Вантажиться...
Дата
2023
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дисертацію виконано на 92 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 23 найменувань. У роботі наведено 30 рисунки та 3 таблиці.
Актуальність теми. Після 24 лютого 2022 року життя кожного українця назавжди змінилося від російського вторгнення та повномасштабної війни. Тож у сучасних життєвих реаліях війна зайняла окреме місце.
Щоб підвищити оборонну спроможність важливо мати танки, артилерію та літаки, але щоб підвищити якість всього потрібна допомога математики та машинного навчання. На заході вже давно розробляються автоматичні системи прийняття рішень на основі штучного інтелекту, а дрони навчають автоматично знаходити цілі, і це далеко не повний список. Тож мета цієї роботи розробити інструмент для підвищення оборонної спроможності нашої країни.
Щоб стежити та приймати відповідні рішення можна використовувати багато людських та фінансових ресурсів, що не є оптимально. Але є другий варіант, завдяки прогресу у супутниковій фотозйомці та нейронних мережах, це можна зробити повністю автоматизовано.
В наш час стало зрозуміло що незважаючи на 21 століття військові конфлікти нікуди не зникли, тому є сенс створювати оборонний потенціал. Важливу роль у сучасній війні є розвідка, бо якщо є інформація про розташування ворога, то можна зробити контрдії які можуть кардинально змінити хід війни.
Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського».
Мета і задачі дослідження. Розробка математичного та програмного забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень на основі нейромережевої моделі для інтеграції з сайтами. Для розширення функціональних можливостей і адаптації системи до використання людьми без
профільної освіти. Програма має бути інтегрована з сайтом, додатком або впроваджена в робочий процес.
Об’єктом дослідження є методи та моделі розпізнавання об’єктів за супутниковими знімками на основі методів та моделей нейронних мереж. Моделі підвищення якості зображення, апскейлінг. Різні архітектури нейронних мереж: згорткові нейронні мережі, глибока згорткова нейронна мережа, U-Net, Залишкова нейронна мережа. Методи оптимізації та гіперпараметри нейронної мережі.
Предметом дослідження є математичне та програмне забезпечення системи розпізнавання військових об’єктів за супутниковими знімками на основі нейромережевої моделі. Застосування нейронних мереж на етапі попереднього тренування для розпізнавання морських об’єктів за супутниковими знімками, порівняльний аналіз методів оптимізації, що використовуються при навчанні нейронних мереж.
Методи дослідження. Для розв’язання поставленої задачі використовувались такі методи: методи машинного навчання (для розробки моделі нейронної мережі); методи оптимізації (для пошуку найкращого налаштування системи); методи обробки даних (для попередньої підготовки вхідних даних); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів).
Наукова новизна одержаних результатів включає в себе такі пункти:
- Комбінація використання навчених нейронних мереж з відкритим кодом для підвищення якості (апскейлінг) супутникових зображень, перед застосуванням основної згорткової нейронної мережі для розпізнавання об’єктів на фото.
- Запропоновано використання згорткових нейронних мереж для розпізнавання військової техніки в комбінації сучасних комерційних супутників з синтезованою апертурою.
Практичне значення одержаних результатів. Полягає в тому, що розроблена система для розпізнавання військової техніки за супутниковими знімками при подальшій модифікації може використовуватися військовими Збройними силами України.
Апробація результатів дисертації. Основні положення й результати роботи представлено на конференції ПМК 2022 (Прикладна математика та комп’ютинг).
Публікації. Результати дисертації викладено в одній науковій праці:
- Третиник В. В., Давиденко М.А. (2022) Попереднє покращення якості зображення для підвищення точності розпізнавання об'єктів. ПМК 2022. С. 169-173;
Опис
Ключові слова
супутникова зйомка, методи підвищення роздільної здатності, згорткова нейронна мережа, класифікація зображень, навчання нейронних мереж, розпізнавання об‘єктів, комп’ютерне бачення, оптимізація параметрів
Бібліографічний опис
Давиденко, М. А. Математичне та програмне забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень : магістерська дис. : 113 Прикладна математика / Давиденко Микола Андрійович. – Київ, 2023. – 112 с.