Підвищення ефективності нейронних мереж за рахунок комбінування цифрових фільтрів

Скорочена інформація про документ
dc.contributor.advisorКирпатенко, Ілля Миколайович
dc.contributor.authorАврамишин, Андрій Ігорович
dc.date.accessioned2024-02-14T10:17:35Z
dc.date.available2024-02-14T10:17:35Z
dc.date.issued2024
dc.description.abstractМетою магістерської дисертації є розробка та впровадження нейромережі для реально-часової оцінки та фільтрації шуму в відеосигналах, що передаються бездротовими мережами. В епоху стрімкого розвитку інформаційних технологій, бездротова передача даних, зокрема відеопотоків, стає все більш поширеною. Це особливо актуально для таких систем, як безпілотні літальні апарати та сенсорні мережі. Однак, під час бездротової передачі відеопотік може бути уражений завадами, що може знизити якість зображення та ускладнити подальшу обробку. Це особливо актуально в умовах бойових дій, де відеопотоки, наприклад, з безпілотних літальних апаратів, можуть бути уражені засобами радіоелектронної боротьби, що негативно впливає на ефективність цих апаратів. Використання нейромереж для фільтрації шуму може значно покращити якість вихідного зображення. В магістерському дослідженні було проведено аналіз сучасних методологій обробки відеосигналів, вивчено принципи роботи нейромереж у контексті фільтрації шуму та розроблено систему для реально-часової оцінки та фільтрації шуму в відеосигналах за допомогою нейромереж. В результаті було створено систему, яка здатна оцінювати та фільтрувати шум у вихідних відеосигналах в режимі реального часу за допомогою нейромереж. Ця система була реалізована на Python за допомогою бібліотеки Pytorch.
dc.description.abstractotherNeural network development and implementation for real-time assessment and noise filtering in video signals transmitted through wireless networks are this master’s work purpose. In the era of rapid development in information technology, wireless data transmission, particularly video streaming, becomes increasingly prevalent. This is especially relevant for unmanned aerial vehicles and sensor networks. However, during wireless video transmission, the video stream may be affected by interference, which can degrade image quality and complicate further processing. This is particularly crucial in combat situations, where video streams from unmanned aerial vehicles, for example, may be susceptible to electronic warfare, negatively impacting the efficiency of these devices. The use of neural networks for noise filtering can significantly enhance the quality of the output image. The master's research involved an analysis of contemporary video signal processing methodologies, an examination of the basics of neural networks in the context of noise filtering, and the development of a system for real-time assessment and noise filtering in video streams using neural networks. As a result, created system is capable to assess and filter noise in output video streams in real-time using neural networks. This system is implemented in Python using the Pytorch library.
dc.format.extent61 с.
dc.identifier.citationАврамишин, А. І. Підвищення ефективності нейронних мереж за рахунок комбінування цифрових фільтрів : магістерська дис. : 172 Телекомунікації та радіотехніка / Аврамишин Андрій Ігорович. – Київ, 2024. – 61 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64553
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectнейронна мережа
dc.subjectцифрові фільтри
dc.subjectрозпізнавання
dc.subjectкласифікація
dc.subjectобробка зображення
dc.subjectметоди покращення
dc.subjectneural network
dc.subjectdigital filters
dc.subjectrecognition
dc.subjectclassification
dc.subjectimage processing
dc.subjectimprovement methods
dc.titleПідвищення ефективності нейронних мереж за рахунок комбінування цифрових фільтрів
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Avramyshyn_magistr.pdf
Розмір:
1.83 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 (РЕ)
Магістерські роботи