Розробка і дослідження моделей нейронних мереж для Semantic або Instance сегментації зображень

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorЛавренко, Владислав Віталійович
dc.date.accessioned2025-02-04T10:28:45Z
dc.date.available2025-02-04T10:28:45Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 98 с., 26 табл., 33 рис., 1 додаток, 20 джерел. Мета дослідження: створення архітектур для семантичної сегментації з нуля та їх вдосконалення, а також аналіз архітектури сегментації екземплярів та її покращення за допомогою методів post-processing. Об’єкт дослідження: процеси та методи сегментації зображень за допомогою нейронних мереж. Предмет дослідження: моделі U-Net, FCN та Mask R-CNN та їх потенціал в сегментації зображень після вдосконалення їх архітектур. Отримані результати: розроблено програмний продукт на мові програмування Python для виконання семантичної сегментації та сегментації екземплярів зображення. Запропоновано оновлені архітектури U-Net та FCN з використанням додаткового шару CRF-RNN для покращення вихідної маски зображення. Запропоновано використання покращеної NMS для моделі Mask R-CNN. У рамках подальшого дослідження та покращення пропонується використання більш вимогливих моделей для сегментації, а також розширення методів для post-processing.
dc.description.abstractotherMaster thesis: 98 p., 26 tabl., 33 fig., 1 appendix, 20 references. Research goal: development of architectures for semantic segmentation from scratch and their improvement, as well as analysis of instance segmentation architectures and their enhancement using post-processing methods. Research object: processes and methods of image segmentation using neural networks. Subject of research: U-Net, FCN, and Mask R-CNN models and their potential for image segmentation after architectural improvements. Obtained results: a software product for performing semantic segmentation and instance segmentation of images. Updated U-Net and FCN architectures were proposed, incorporating an additional CRF-RNN layer to improve the output image mask. An improved NMS was suggested for the Mask R-CNN model. Further research and improvement proposals: utilizing more advanced models for segmentation and expanding the methods for post-processing.
dc.format.extent98 с.
dc.identifier.citationЛавренко, В. В. Розробка і дослідження моделей нейронних мереж для Semantic або Instance сегментації зображень : магістерська дис. : 124 Системний аналіз / Лавренко Владислав Віталійович. - Київ, 2024. - 98 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72345
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectfcn
dc.subjectu-net
dc.subjectmask r-cnn
dc.subjectcrf
dc.subjectcrf-rnn
dc.subjectсемантична сегментація
dc.subjectсегментація екземплярів
dc.subjectcoco
dc.subjectcityscapes
dc.subjectsemantic segmentation
dc.subjectinstance segmentation
dc.subject.udc303.732.4
dc.titleРозробка і дослідження моделей нейронних мереж для Semantic або Instance сегментації зображень
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Lavrenko_magistr.pdf
Розмір:
4.28 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

Магістерські роботи (ММСА)
Магістерські роботи