Виявлення контрастних об'єктів з використанням комбінації напівконтрольованого та неконтрольованого навчання

Скорочена інформація про документ
dc.contributor.advisorПишнограєв, Іван Олександрович
dc.contributor.authorСтепанчук, Дмитро Костянтинович
dc.date.accessioned2026-02-18T13:05:09Z
dc.date.available2026-02-18T13:05:09Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 107 с., 4 рисунки, 13 таблиць, 50 джерел, 1 додаток. Об'єкт дослідження – процеси розмітки даних для систем комп'ютерного зору в умовах обмежених маркованих даних. Предмет дослідження – методи напівкерованого навчання та системи напівавтоматичної розмітки з алгоритмічною передрозміткою та механізмами консенсусу. Мета роботи – розробка ефективної системи напівавтоматичної розмітки даних, що поєднує алгоритмічний холодний старт, контроль якості на основі консенсусу та поступове навчання моделей. Актуальність роботи полягає у зростаючому попиті на марковані датасети, тоді як ручна розмітка залишається дорогою та трудомісткою. Наукова новизна полягає у: (1) розробці комбінованого підходу холодного старту з інтеграцією множинних алгоритмів детекції; (2) впровадженні автоматизованої системи консенсусу з динамічною пріоритезацією; (3) інтеграції напівкерованого та активного навчання для поступового покращення. Практична цінність полягає у готовому програмному забезпеченні, що суттєво скорочує час розмітки через алгоритмічну передрозмітку при забезпеченні якості через автоматизований консенсус. Модульна архітектура підтримує стандартні формати та гнучкі варіанти розгортання. Комерційний потенціал підтверджується швидким зростанням ринку розмітки даних з життєздатною бізнес-моделлю SaaS, орієнтованою на AI/ML компанії в різних галузях. Публікація за темою дослідження увійшла до збірника матеріалів IV Всеукраїнської науково-практичної конференції «Системні науки та інформатика».
dc.description.abstractotherMaster's thesis: 107 p., 4 figures, 13 tables, 50 references, 1 appendices. The object of research is the processes of data annotation for computer vision systems in conditions of limited labeled data. The subject of research is methods of semi-supervised learning and semi automatic annotation systems with algorithmic pre-labeling and consensus mechanisms. The purpose of the research is to develop an efficient semi-automatic data annotation system combining algorithmic cold start, consensus-based quality control, and progressive model training. The relevance of the work lies in the growing demand for labeled datasets while manual annotation remains expensive and time-consuming. The scientific novelty lies in: (1) combined cold start approach integrating multiple detection algorithms; (2) automated multi-annotator consensus system with dynamic prioritization; (3) integration of semi-supervised and active learning for progressive improvement. The practical value consists of ready-to-use software significantly reducing annotation time through algorithmic pre-labeling while ensuring quality through automated consensus. The modular architecture supports standard formats and flexible deployment options. Commercial potential is confirmed by rapidly growing data annotation market with viable SaaS business model targeting AI/ML companies across multiple verticals. A publication on the research topic was included in the collection of materials from the IV All-Ukrainian Scientific and Practical Conference «System Sciences and Informatics».
dc.format.extent107 с.
dc.identifier.citationСтепанчук, Д. К. Виявлення контрастних об'єктів з використанням комбінації напівконтрольованого та неконтрольованого навчання : магістерська дис. : 122 Комп'ютерні науки / Степанчук Дмитро Костянтинович. – Київ, 2025. – 107 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78859
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectнапівкероване навчання
dc.subjectсемантична сегментація
dc.subjectзоровий трансформер
dc.subjectрозмітка даних
dc.subjectактивне навчання
dc.subjectподвійний вчитель
dc.subjectмеханізми консенсусу
dc.subject.udc004.93:004.8:004.032.26](043.3)
dc.titleВиявлення контрастних об'єктів з використанням комбінації напівконтрольованого та неконтрольованого навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Stepanchuk_magistr.pdf
Розмір:
1.01 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

Магістерські роботи (ШІ)
Магістерські роботи