Інтелектуальна обробка зображень на автономних підводних апаратах

Скорочена інформація про документ
dc.contributor.advisorСинєглазов, Віктор Михайлович
dc.contributor.authorСавченко, Михайло Володимирович
dc.date.accessioned2025-02-20T13:33:29Z
dc.date.available2025-02-20T13:33:29Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 103 с., 38 рис., 19 табл., 44 посиланя, додаток. Об’єкт дослідження – технології комп’ютерного зору. Предмет дослідження – інтелектуальна обробка зображень, знятих у підводному середовищі. Мета роботи – створення інтелектуальної системи, здатної ефективно вирішувати задачу розпізнавання підводних об'єктів при низькій обчислювальній складності. Результатами дослідження є створення авторської методології, яка включає метод попередньої обробки зображень для зменшення впливу оптичних перешкод у підводному середовищі; метод структурно-параметричного синтезу нейронної мережі для розпізнавання об'єктів на підводних знімках; метод стиснення нейронної мережі для забезпечення роботи в умовах обмеженої потужності та автономності. Практичне значення роботи полягає в можливості побудови нейронної мережі детектування об’єктів на основі поданої методології та її розміщення на окремому апаратному модулі для автономного підводного апарату, який дозволить йому виконувати прикладні задачі, що базуються на локалізації та класифікації об’єктів інтересу. Основні положення роботи викладено в роботі В. Синєглазова, М. Савченка і В. Литвиненка "Efficient small and overlapping target detection in underwater images" та представлено на 4th Int. Workshop IT-professionals Artif. Intell. (ProfIT AI 2024) у вересні 2024 року.
dc.description.abstractotherMaster's thesis: 103 p., 38 figures, 19 tables, 44 references, appendix. The object of study are computer vision technologies. The subject of study is the intellectual processing of images taken in the underwater environment. The purpose of the study is to create an intelligent system capable of effectively solving the problem of recognizing underwater objects at low computational complexity. The results are the creation of the author's methodology, which includes a method of image preprocessing to reduce the impact of optical interference in the underwater environment; a method of structural and parametric synthesis of a neural network for recognizing objects in underwater images; a method of neural network compression to ensure operation in conditions of limited computational power and autonomous work capabilities. The practical significance of the work lies in the possibility of building a neural network for object detection based on the presented methodology and its placement on a separate hardware module for an autonomous underwater vehicle, which will allow it to perform applied tasks based on the localization and classification of the objects of interest. Main points of the work have been introduced in the paper by V. Sineglazov, M. Savchenko and V. Lytvynenko named "Efficient small and overlapping target detection in underwater images," presented on 4th Int. Workshop IT-professionals Artif. Intell. (ProfIT AI 2024) in September 2024.
dc.format.extent103 с.
dc.identifier.citationСавченко, М. В. Інтелектуальна обробка зображень на автономних підводних апаратах : магістерська дис. : 122 Комп'ютерні науки / Савченко Михайло Володимирович. - Київ, 2024. - 103 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72661
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectдетектування підводних обʼєктів
dc.subjectавтономні підводні апарати
dc.subjectмашинне навчання
dc.subjectглибоке навчання
dc.subjectнейронні мережі
dc.subjectyolo
dc.subjectkeyword 1
dc.subjectunderwater object detection
dc.subjectautonomous underwater vehicles
dc.subjectmachine learning
dc.subjectdeep learning
dc.subjectneural networks
dc.subject.udc004.932.72:629.584(043.3)
dc.titleІнтелектуальна обробка зображень на автономних підводних апаратах
dc.typeMaster Thesis

Файли

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи