Методи нестатичного прогнозування для відновлення зображень

Скорочена інформація про документ
dc.contributor.advisorТимощук, Оксана Леонідівна
dc.contributor.authorКлименко, Ірина Олександрівна
dc.date.accessioned2023-04-12T12:25:37Z
dc.date.available2023-04-12T12:25:37Z
dc.date.issued2022
dc.description.abstractМагістерська дисертація: 66 с., 20 табл., 10 рис., 3 додатки, 17 джерел. Дана робота присвячена вивченню методів та моделей вирішення задач класифікації та відновлення зображень. Також було запропоновано власний шлях вирішення задачі відновлення зображень для подальшої їхньої класифікації. Створено програмний продукт на мові Python для досягнення поставлених цілей. Об’єкт дослідження – нестатичне прогнозування. Предмет дослідження – методи нестатичного прогнозування для відновлення зображень. Мета роботи – розробити методи та технології використання нестатичного прогнозування для відновлення зображень у процесi машинного навчання. Актуальність – у сучасному свiтi значного поширення набули методи машинного навчання для розв’язання задач класифiкацiї зображень, або ж iдентифiкацiї конкретних об’єктiв на зображеннях. При розв’язаннi таких задач з’являються певнi проблеми, зокрема не завжди зображення є чiтким та зрозумiлим. Ця нечiткiсть на зображеннi шкодить iдентифiкацiї. Методи, якi будуть розглянути у цiй роботi, дозволяють вiдновлювати зображення до стану, прийнятного для машини, яка буде їх обробляти. Це дозволить покращити результати iдентифiкацiї, що у свою чергу надасть можливiсть приймати бiльш точне та зважене рiшення базуючись на даних. Шляхи подальшого розвитку предмету дослідження – розгляд та реалізація інших шляхів оптимізації процесу відновлення зображень. Дослідження інших видів нечіткості та розробка методів їх виправлення. Розробка методів автоматичної ідентифікації нечіткості. Використання запропонованого алгоритму відновлення для вирішення іншиих задач, зокрема кластеризації та генерації.uk
dc.description.abstractotherThesis: 66 p., 20 tabl., 10 fig., 3 appendices, 17 sources. This work studies methods and models for solving problems of image classification and restoration. Also, we propose an original way of solving the problem of image restoration for their further classification. A software product was created to achieve the set goals. The object of research is non-static forecasting. The subject of research is non-static prediction methods for image restoration. The purpose of the work is to develop methods and technologies for using non- static forecasting for image restoration in the process of machine learning. Relevance - in the modern world, machine learning methods for solving the problems of image classification, or identification of specific objects in images, have become widely used. When solving such problems, certain problems appear, in particular, the image is not always clear and understandable. This blurring of the image is detrimental to identification. The methods that will be considered in this work allow to restore images to a state acceptable for the machine that will process them. This will improve the identification results, which in turn will provide an opportunity to make a more accurate and balanced decision based on the data. In order to develop a way of further research of the subject we consider and implement in other ways of optimizing the process of image recovery. We research of other types of ambiguity and development of methods for their correction. We also develop of methods for automatic identification of blur. We use the proposed recovery algorithm to solve other problems, in particular, clustering and generation.uk
dc.format.extent66 с.uk
dc.identifier.citationКлименко, І. О. Методи нестатичного прогнозування для відновлення зображень : магістерська дис. : 124 Системний аналіз / Клименко Ірина Олександрівна. – Київ, 2022. – 66 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54532
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectвідновленняuk
dc.subjectрозпізнаванняuk
dc.subjectкласифікаціяuk
dc.subjectнейронні мережіuk
dc.subjectнестатичне прогнозуванняuk
dc.subjectrecoveryuk
dc.subjectrecognitionuk
dc.subjectclassificationuk
dc.subjectneural networksuk
dc.subjectnon-static forecastinguk
dc.subject.udc004.032.26, 004.932uk
dc.titleМетоди нестатичного прогнозування для відновлення зображеньuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Klymenko_magistr.pdf
Розмір:
761.78 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи