Застосування глибокого навчання для виявлення військових об’єктів

Скорочена інформація про документ
dc.contributor.advisorТимошенко, Юрій Олександрович
dc.contributor.authorКапусткін, Артем Олександрович
dc.date.accessioned2024-11-06T10:42:27Z
dc.date.available2024-11-06T10:42:27Z
dc.date.issued2024
dc.description.abstractДипломна робота: 100 с., 47 рис., 6 табл., 33 посилання, 1 додаток. Об’єкт дослідження – військове застосування глибокого навчання. Предмет дослідження – нейронна мережа та її застосування для задачі розпізнавання об’єктів. Мета роботи – отримати навчену нейронну мережу, здатну розпізнавати військові об’єкти. Методи дослідження – аналіз літератури, дослідження існуючих методів та алгоритмів глибокого навчання, збір зображень військових об’єктів та їх анотація, тренування моделей глибокого навчання та проведенням експериментів для оцінки їх ефективності. Результати дослідження демонструють високу точність виявлення класу броньованої техніки і помітно нижчу для класу легкої техніки через меншу кількість зображень цього класу. В цілому, результати є прийнятними, враховуючи нерівномірність даних. Новизна роботи полягає у створенні унікального набору даних з актуальними зображеннями військових об'єктів, зібраними зокрема під час сучасних військових конфліктів, таких як російсько-українська війна. Відображення реальних бойових умов робить набір даних цінним для подальших досліджень і розробки систем автоматичного розпізнавання.
dc.description.abstractotherMaster's thesis: 100 p., 47 figures, 6 tables, 33 references, 1 appendix. The object of the study is the military application of deep learning. The subject of research is a neural network and its application to the task of object recognition. The purpose of the work is to obtain a trained neural network capable of recognizing military objects. Research methods include literature analysis, research of existing deep learning methods and algorithms, collection of images of military objects and their annotation, training of deep learning models, and experiments to evaluate their effectiveness. The results of the study demonstrate high accuracy of detecting the class of armored vehicles and significantly lower for the class of light vehicles due to the smaller number of images of this class. Overall, the results are acceptable given the unevenness of the data. The novelty of the work is the creation of a unique dataset with actual images of military objects collected in particular during modern military conflicts, such as the Russo-Ukrainian war. The reflection of real combat conditions makes the dataset valuable for further research and development of automatic recognition systems.
dc.format.extent100 с.
dc.identifier.citationКапусткін, А. О. Застосування глибокого навчання для виявлення військових об’єктів : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Капусткін Артем Олександрович. – Київ, 2024. – 100 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70369
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectглибоке навчання
dc.subjectкомп’ютерний зір
dc.subjectрозпізнавання об’єктів
dc.subjectзгорткова нейронна мережа
dc.subjectаналіз зображень
dc.subjectанотація даних
dc.subjectdeep learning
dc.subjectcomputer vision
dc.subjectobject recognition
dc.subjectconvolutional neural network
dc.subjectimage analysis
dc.subjectdata annotation
dc.titleЗастосування глибокого навчання для виявлення військових об’єктів
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kapustkin_bakalavr.pdf
Розмір:
12.09 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 (ШІ)
Бакалаврські роботи