Обробка гіперспектральних зображень на основі просторово-орієнтованої мережі залишкової уваги

Скорочена інформація про документ
dc.contributor.advisorЧумаченко, Олена Іллівна
dc.contributor.authorГордун, Михайло Валентинович
dc.date.accessioned2025-02-13T14:31:22Z
dc.date.available2025-02-13T14:31:22Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 116 с., 17 рис., 13 табл., 61 посилання, додаток. Об’єкт дослідження – просторово-орієнтовані мережі залишкової уваги для класифікації гіперспектральних даних. Предмет дослідження – методи та підходи до навчання просторово-орієнтовані мережі залишкової уваги для класифікації гіперспектральних даних. Мета роботи – розробка методу обробки гіперспектральних зображень, який забезпечує високу точність класифікації пікселів, особливо у межових областях класів, використовуючи просторово-орієнтовану мережу залишкової уваги. У роботі детально розглянуто фізичні основи отримання гіперспектральних зображень, методи їх обробки, включаючи класичні та сучасні методи глибокого навчання. Запропоновано архітектуру нейронної мережі, що включає модулі просторової та спектральної уваги та модуль спільного виділення спектрально-просторових ознак. Проведено оцінку запропонованого методу на основі стандартних метрик точності.
dc.description.abstractotherMaster's thesis: 116 p., 17 figures, 13 tables, 61 references, appendix. Object of research – spatially oriented residual attention networks for classification of hyperspectral data. Subject of research – methods and approaches to training spatially oriented residual attention networks for hyperspectral data classification. The purpose of the study is to develop a method for processing hyperspectral images that provides high accuracy of pixel classification, especially in the boundary regions of classes, using a spatially oriented residual attention network. The paper describes in detail the physical basis of hyperspectral image acquisition, methods of their processing, including classical and modern deep learning methods. The architecture of the neural network, which includes modules of spatial and spectral attention and a module for joint extraction of spectral and spatial features, is proposed. The proposed method is evaluated based on standard accuracy metrics.
dc.format.extent116 с.
dc.identifier.citationГордун, М. В. Обробка гіперспектральних зображень на основі просторово-орієнтованої мережі залишкової уваги : магістерська дис. : 122 Комп'ютерні науки / Гордун Михайло Валентинович. - Київ, 2024. - 116 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72508
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectгіперспектральні зображення
dc.subjectпросторово-орієнтована увага
dc.subjectзалишкова мережа
dc.subjectзгорткова мережа
dc.subjectглибоке навчання
dc.subjectспектрально-просторові ознаки
dc.subjectкласифікація
dc.subjectмашинне навчання
dc.subjectінтелектуальні системи
dc.subjecthyperspectral images
dc.subjectspatially-oriented attention
dc.subjectresidual network
dc.subjectconvolutional network
dc.subjectdeep learning
dc.subjectspatial-spectral features
dc.subjectclassification
dc.subjectmachine learning
dc.subjectintelligent systems
dc.subject.udc004.932.2:543.429.9(043.3)
dc.titleОбробка гіперспектральних зображень на основі просторово-орієнтованої мережі залишкової уваги
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Hordun_magistr.pdf
Розмір:
7.57 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 (ШІ)
Магістерські роботи