Інтелектуальна система формування розширеного набору зображень на основі використання нейронної мережі AC-WGAN-GP

Скорочена інформація про документ
dc.contributor.advisorСинєглазов, Віктор Михайлович
dc.contributor.authorАгарков, Роман Дмитрович
dc.date.accessioned2025-08-21T13:33:58Z
dc.date.available2025-08-21T13:33:58Z
dc.date.issued2025
dc.description.abstractДипломна робота: 93 с., 32 рис., 9 табл., 26 посилань, додаток. Об’єкт дослідження – гіперспектральні зображення. Предмет дослідження – аугментація наборів даних гіперспектральних зображень з використанням генеративно-змагальних мереж. Мета роботи – дослідити покращення в точності класифікаторів у задачі сегментації гіперспектральних зображень. Досліджено предметну область: проаналізовано застосування сегментації у агрикультурній сфері, специфіку гіперспектральних зображень, принципи їх обробки та сучасні методи аугментації даних. Також розглянуто доцільність застосування WGAN-GP для генерації синтетичних пікселів. Виконано аналіз існуючих підходів та описано датасет Indian Pines, на якому сформульовано експериментальну задачу з описом використаних метрик для оцінки результату. Розроблено модифіковану архітектуру AC-WGAN-GP із двома режимами входу (PCA та VAE), виконано попередню обробку даних і визначено функції втрат. Натреновано модель, порівняно розподіли згенерованих і реальних даних, продемонстровано приріст точності класифікації та покращення карт сегментації. Складник роботи присвячено функціонально-вартісному аналізу програмного продукту. У висновку підбито підсумки щодо потенціалу генеративних мереж для збагачення гіперспектральних датасетів, окреслено напрями подальшого удосконалення моделі.
dc.description.abstractotherBachelor's thesis: 93 p., 32 figures, 9 tables, 26 references, appendix. The object of the study is hyperspectral images. The subject of research is augmentation of hyperspectral image datasets using generative-adversarial networks. The purpose of the work is to study improvements in the accuracy of classifiers in the task of hyperspectral image segmentation. The subject area has been explored: the application of segmentation in the agricultural domain, the specifics of hyperspectral images, principles of their processing, and modern data augmentation methods have been analyzed. The feasibility of using WGAN-GP for generating synthetic pixels has also been considered. Existing approaches were analyzed, and the Indian Pines dataset was described, based on which an experimental task was formulated along with the metrics used for result evaluation. A modified AC-WGAN-GP architecture was developed with two input modes (PCA and VAE), data preprocessing was performed, and loss functions were defined. The model was trained, distributions of generated and real data were compared, and improvements in classification accuracy and segmentation maps were demonstrated. A component of the work is dedicated to functional-cost analysis of the software product. The conclusion summarizes the potential of generative networks for enriching hyperspectral datasets and outlines directions for further model improvement.
dc.format.extent93 с.
dc.identifier.citationАгарков, Р. Д. Інтелектуальна система формування розширеного набору зображень на основі використання нейронної мережі AC-WGAN-GP : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Агарков Роман Дмитрович. – Київ, 2025. – 93 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75579
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectнейронні мережі
dc.subjectмашинне навчання
dc.subjectштучний інтелект
dc.subjectгенеративно-змагальні мережі
dc.subjectгіперспектральні зображення
dc.subjectваріаційний автокодувальник
dc.subjectаугментація даних
dc.subjectneural networks
dc.subjectmachine learning
dc.subjectartificial intelligence
dc.subjectgenerative-adversarial networks
dc.subjecthyperspectral images
dc.subjectvariational autoencoder
dc.subjectdata augmentation
dc.titleІнтелектуальна система формування розширеного набору зображень на основі використання нейронної мережі AC-WGAN-GP
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Aharkov_bakalavr.pdf
Розмір:
2.89 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