Визначення орієнтації об’єкта за допомогою машинного навчання на основі ключових точок

Скорочена інформація про документ
dc.contributor.advisorКуєвда, Юлія Валеріївна
dc.contributor.authorШадевський, Андрій Едуардович
dc.date.accessioned2025-09-24T08:18:26Z
dc.date.available2025-09-24T08:18:26Z
dc.date.issued2025
dc.description.abstractДипломна робота: 95 с., 10 табл., 34 рис., 2 додатки, 41 джерело. Об'єкт дослідження – процес автоматизованого аналізу візуальної інформації в інтелектуальних інформаційних системах. Предмет дослідження – методи машинного навчання, зокрема згорткові нейронні мережі, для визначення орієнтації об’єкта за зображенням на основі ключових точок. Мета роботи – реалізувати та використати підхід до автоматичного визначення орієнтації об’єкта на зображенні з використанням глибинного навчання з використанням ключових точок. Методи дослідження – згорткові нейронні мережі, комп’ютерний зір, машинне навчання, генетичні алгоритми. Актуальність – зростання можливих сфер використання точного визначенні орієнтації об’єктів в реальному часі. Результати роботи – проведено дослідження та порівняння різних архітектур для прогнозу ключових точок. Порівняно різні версії YOLO-pose. Експериментально підібрано оптимальний розмір вхідних зображень для обраного набору даних, реалізовано програмний продукт на мові програмування Python на основі YOLOv8-pose, оптимізовано гіперпараметри, здійснено визначення орієнтації об’єктів з достатньою точністю, проведено функціонально-вартісний аналіз рішення. Шляхи подальшого розвитку предмету дослідження – вдосконалення архітектури моделі, дослідження тривимірної орієнтації, розширення наборів даних, інтеграція у практичні автоматизовані системи.
dc.description.abstractotherThesis: 95 pages, 10 tables, 34 figures, 2 appendices, 41 references. Object of research – machine vision methods based on machine learning. Subject of research – machine learning methods, particularly convolutional neural networks, for determining object orientation from images based on key points. Purpose of the work – to implement and apply an approach for automatically determining the orientation of an object in an image using deep learning based on key points. Research methods – convolutional neural networks, computer vision, machine learning, genetic algorithms. Relevance – the growing range of potential applications for accurate real-time object orientation detection in fields such as robotics, automation, and augmented reality. Results of the work – conducted research and comparison of various architectures for key point prediction. Compared different versions of YOLO-pose. Experimentally selected the optimal input image size for the chosen dataset. Developed a software product in the Python programming language based on YOLOv8-pose, optimized hyperparameters, achieved accurate object orientation detection, and performed a function-cost analysis of the solution. Future research directions – improving model architecture, exploring 3D orientation, expanding datasets, and integrating the approach into practical automated systems.
dc.format.extent95 с.
dc.identifier.citationШадевський, А. Е. Визначення орієнтації об’єкта за допомогою машинного навчання на основі ключових точок : дипломна робота … бакалавра : 124 Системний аналіз / Шадевський Андрій Едуардович. – Київ, 2025. – 95 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76292
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectметоди машинного навчання
dc.subjectзгорткові мережі
dc.subjectключові точки
dc.subjectмашинний зір
dc.subjectyolo
dc.subjectвизначення орієнтації об’єкта.
dc.subjectmachine learning methods
dc.subjectconvolutional networks
dc.subjectkey points
dc.subjectmachine vision
dc.subjectyolo
dc.subjectobject orientation detection
dc.titleВизначення орієнтації об’єкта за допомогою машинного навчання на основі ключових точок
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shadevskyi_bakalavr.pdf
Розмір:
4.01 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