Деформовані згорткові мережі

Скорочена інформація про документ
dc.contributor.advisorЧумаченко, Олена Іллівна
dc.contributor.authorОрленко, Антон Сергійович
dc.date.accessioned2026-02-17T11:59:02Z
dc.date.available2026-02-17T11:59:02Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 121 с., 18 рис., 20 табл., 18 посилань, додаток. Об’єкт дослідження – процеси автоматизованої сегментації та класифікації сміття у системах комп’ютерного зору для задач переробки відходів. Предмет дослідження – методи, моделі та програмні засоби застосування деформованих згорткових мереж і деформованого RoI-пулінгу для підвищення стійкості розпізнавання відходів у складних умовах. Мета роботи – розробити та експериментально перевірити підхід структурно-параметричного синтезу моделі на основі деформованих згорток для задач сегментації/класифікації сміття. У роботі розглянуто процеси переробки відходів і світовий досвід автоматизованого сортування. Проаналізовано підходи комп’ютерного зору для класифікації, детекції та сегментації сміття й обґрунтовано доцільність використання деформованих згорткових мереж для сцен із високою геометричною варіативністю. Описано принципи DCN, деформованої вибірки та деформованого RoI пулінгу. Було створено програмне забезпечення для навчання розробленої моделі, для чого було обрано датасет ZeroWaste, реалізовано програмні компоненти для навчання та оцінювання моделі. Проведено експерименти з підбором гіперпараметрів і проаналізовано якість навчання. За результатами випробувань отримано високу якість розпізнавання, визначено класи з найкращими показниками та окреслено шляхи покращення для складніших категорій через розширення й балансування даних. Результати роботи також було представлено на всеукраїнській науково-практичній конференції.
dc.description.abstractotherMaster's thesis: 121 p., 18 figures, 20 tables, 18 references, appendix. The object of the study is the processes of automated waste segmentation and classification in computer vision systems for waste processing tasks. The subject of research is methods, models, and software tools for applying deformable convolutional networks and deformable RoI pooling to improve the robustness of waste recognition under challenging conditions. The purpose of the work is to develop and experimentally validate a structural and-parametric synthesis approach for a model based on deformable convolutions for waste segmentation/classification tasks. The thesis reviews waste processing workflows and global experience in automated sorting. It analyzes computer vision approaches to waste classification, detection, and segmentation, and substantiates the use of deformable convolutional networks for scenes with high geometric variability. The principles of DCN, deformable sampling, and deformable RoI pooling are described. Software for training the proposed model was implemented; the ZeroWaste dataset was selected, and components for model training and evaluation were developed. Hyperparameter selection experiments were performed and training quality was assessed. The experiments demonstrated high recognition performance, identified the best-performing classes, and outlined improvement directions for more challenging categories via dataset expansion and balancing. The results were also presented at the IV Ukrainian scientific and practical conference “System Sciences and Informatics.”
dc.format.extent170 с.
dc.identifier.citationОрленко, А. С. Деформовані згорткові мережі : магістерська дис. : 122 Комп’ютерні науки / Орленко Антон Сергійович. – Київ, 2025. – 170 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78827
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectдеформовані згортки
dc.subjectкомп’ютерний зір
dc.subjectглибинне навчання
dc.subjectсемантична сегментація
dc.subjectкласифікація відходів
dc.subjectdataset zerowaste
dc.subjectструктурно-параметричний синтез
dc.subject.udc004.032.26:004.93
dc.titleДеформовані згорткові мережі
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Orlenko_magistr-1.pdf
Розмір:
3.4 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