Багатоміткова класифікація стилізованих зображень за допомогою глибоких нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorДреваль, Максим Михайлович
dc.contributor.authorТюкалов, Ніколай Сергійович
dc.date.accessioned2025-07-24T12:15:11Z
dc.date.available2025-07-24T12:15:11Z
dc.date.issued2025
dc.description.abstractДипломна робота: 98 c., 12 рис., 8 табл., 2 додатків, 47 джерел. Об’єкт дослідження – великий незбалансований датасет стилізованих аніме-зображень, створений на основі даних з відкритого ресурсу Danbooru,що налічує понад 7 мільйонів зображень та характеризується детальною комплексною системою тегів. Предмет дослідження – архітектури глибоких нейронних мереж, зокрема Attention-механізми, методи багатоміткової класифікації, а також стратегії роботи з даними, що мають значний дисбаланс класів та іншу специфічну проблематику. Постановка задачі – спроектувати та натренувати модель багатоміткової класифікації стилізованих аніме-зображень з використанням сучасних архітектур нейронних мереж, яка здатна коректно класифікувати найпопулярніші теги. Результатом роботи є функціональна модель багатоміткової класифікації оптимізована для роботи з аніме-зображеннями. Ця модель може бути інтегрована в існуючі або нові системи для автоматичного класифікування, пошуку та організації візуального контенту.
dc.description.abstractotherThesis: 98 pages, 12 figures, 8 tables., 2 appendancies, 47 references. The object of the study is a large, imbalanced dataset of stylized anime images, created based on data from the open-source resource Danbooru, comprising over 7 million images and characterized by a detailed, comprehensive tagging system. The subject of the study encompasses deep neural network architectures, particularly Attention mechanisms, multi-label classification methods, and strategies for handling data with significant class imbalance and other specific challenges. The task is to design and train a highly effective multi-label classification model for stylized anime images, capable of accurately classifying the most common tags, using modern deep neural network architectures. The result of the work is a functional, trained multi-label classification model optimized for anime images. This model can be integrated into existing or new systems for automatic classification, searching, and organization of visual content.
dc.format.extent98 с.
dc.identifier.citationТюкалов, Н. С. Багатоміткова класифікація стилізованих зображень за допомогою глибоких нейронних мереж : дипломна робота ... бакалавра : 124 Системний аналіз / Тюкалов Ніколай Сергійович. - Київ, 2025. - 98 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75229
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкласифікація зображень
dc.subjectстилізовані зображення
dc.subjectаніме зображення
dc.subjectбагатоміткова класифікація
dc.subjectкомп’ютерний зір
dc.subjectглибоке навчання
dc.subjectнейронні мережі
dc.subjectdanbooru
dc.subjectresnet
dc.subjectmechanisms attention
dc.subjectsqueeze-and-excitation
dc.subjectimage classification
dc.subjectstylized images
dc.subjectanime images
dc.subjectmulti-label classification
dc.subjectcomputer vision
dc.subjectdeep learning
dc.subjectneural networks
dc.subjectattention mechanisms
dc.titleБагатоміткова класифікація стилізованих зображень за допомогою глибоких нейронних мереж
dc.typeBachelor Thesis

Файли

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

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи