Comparative Evaluation of Modern Computer Vision Models for Grasp Type Determination in Bionic Prostheses

Скорочена інформація про документ
dc.contributor.authorOliinyk, V.
dc.contributor.authorVerkhovska, A.
dc.date.accessioned2026-03-03T12:44:36Z
dc.date.available2026-03-03T12:44:36Z
dc.date.issued2026
dc.description.abstractThis research presents a comprehensive evaluation of some of the modern computer vision models for grasp type determination in bionic prostheses. The study leverages pretrained models, including CLIP and ResNet, with zero-shot and few-shot learning strategies to classify grasp types from object images. Several classification approaches, including Matching Networks, Prototypical Networks, and K-Nearest Neighbors, were evaluated in terms of top-1 and top-3 accuracy, as well as their inference time. The developed solution demonstrates promising results in limited-data settings and offers practical value for integration into modern intelligent prosthetic devices. We demonstrated the effectiveness of zero-shot and few-shot approaches for grasp type recognition. The simple zero-shot CLIP model in combination with K-Nearest Neighbors algorithm achieved the highest top-3 accuracy of 85%, exhibiting strong adaptability to previously unseen objects. This makes it particularly suitable for deployment in real-time, dynamic environments.
dc.description.abstractotherДане дослідження представляє собою порівняльне оцінювання деяких сучасних моделей комп'ютерного зору для визначення типу захоплення в біонічних протезах. В роботі використовуються попередньо навчені моделі, включаючи CLIP та ResNet, зі стратегіями навчання zero-shot та few-shot для задачі класифікації типів захоплення за зображеннями об'єктів. Кілька підходів до класифікації, включаючи мережі зіставлення, прототипні мережі та алгоритм K-найближчих сусідів, оцінювалися з точки зору топ-1 та топ-3 точності, а також часу їхнього виведення. Розроблене рішення демонструє багатообіцяючі результати в умовах обмеженої кількості навчальних даних та має перспективи для інтеграції в сучасні інтелектуальні протези. Ми продемонстрували ефективність zero-shot та few-shot підходів для розпізнавання типу захоплення. Проста zero-shot модель CLIP у поєднанні з методом К-найближчих сусідів досягла найвищої точності топ-3 - 85%, демонструючи високу адаптивність до раніше не бачених об'єктів. Це свідчить про перспективність її використання в динамічних відкритих середовищах реального світу.
dc.format.pagerangeС. 30-38
dc.identifier.citationOliinyk, V. Comparative Evaluation of Modern Computer Vision Models for Grasp Type Determination in Bionic Prostheses / V. Oliinyk, A. Verkhovska // Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2026. – № 1 (48). – С. 30-38. – Бібліогр.: 11 назв.
dc.identifier.doihttps://doi.org/10.20535/1560-8956.48.2026.351880
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/79192
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofАдаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник, № 1 (48), 2026
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectbionic prosthesis
dc.subjectcomputer vision
dc.subjectgrasp classification
dc.subjectfew-shot learning
dc.subjectzero-shot recognition
dc.subjectCLIP model
dc.subjectdeep learning
dc.subjectneural networks
dc.subjectintelligent systems
dc.subjectPyTorch
dc.subjectбіонічний протез
dc.subjectкомп’ютерний зір
dc.subjectкласифікація захвату
dc.subjectмашинне навчання
dc.subjectнейронні мережі
dc.subjectfew-shot навчання
dc.subjectzero-shot розпізнавання
dc.subjectмережі відповідності
dc.subjectпрототипічні мережі
dc.subjectрозпізнавання об’єктів
dc.subject.udc004.8
dc.titleComparative Evaluation of Modern Computer Vision Models for Grasp Type Determination in Bionic Prostheses
dc.title.alternativeПорівняльне оцінювання сучасних моделей комп'ютерного зору для визначення типу захоплення в біонічних протезах
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
30-38.pdf
Розмір:
519.34 KB
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

Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2026. – № 1 (48)