Моделі комп’ютерного зору для аналізу зображень з фото пасток

Скорочена інформація про документ
dc.contributor.advisorШаповал, Наталія Віталіївна
dc.contributor.authorСалоід, Софія Євгенівна
dc.date.accessioned2025-09-05T09:37:31Z
dc.date.available2025-09-05T09:37:31Z
dc.date.issued2025
dc.description.abstractДипломна робота: 87 с., 8 рис., 13 табл., 16 посилань, 1 додатки. Дипломна робота присвячена створенню ефективної системи автоматичної класифікації тварин на зображеннях із фотопасток із використанням сучасних моделей глибинного навчання. Об’єктом дослідження виступає процес розпізнавання фауни у польових умовах, а предметом – методи, моделі та архітектури комп’ютерного зору, алгоритми попередньої обробки й фільтрації даних. В якості основного набору даних використовується Caltech Camera Traps (CCT20) – репрезентативний датасет, що містить понад 57 тисяч фотографій із фотопасток, зроблених у природних умовах. Зображення охоплюють 20 видів тварин і включають як якісні, так і складні для автоматичної обробки приклади: різноманітні фони, погодні умови, час доби, частку «порожніх» кадрів без тварин і виражений класовий дисбаланс. Метою роботи є розробка та аналіз підходів до класифікації тварин із використанням сучасних архітектур у поєднанні з методами фільтрації (зокрема MegaDetector), балансування вибірки та трансферного навчання. Побудовано повний pipeline: від підготовки даних і навчання моделей до тестування на реальних зображеннях. Результати дослідження показали, що поєднання сучасних моделей із якісною підготовкою даних дозволяє покращити точність автоматичного моніторингу біорізноманіття, зменшити вплив «шуму» та ефективно використовувати обчислювальні ресурси в екологічних дослідженнях.
dc.description.abstractotherBachelor's thesis: 87 p., 8 figures, 13 tables, 16 references, 1 appendixes. This thesis is dedicated to the development of an efficient system for automatic animal classification in camera trap images using modern deep learning models. The object of the research is the process of wildlife recognition in field conditions, while the subject includes computer vision methods, models and architectures, data preprocessing and filtering algorithms. As the primary dataset, the study uses Caltech Camera Traps (CCT20) – a representative dataset containing over 57,000 camera trap images collected in natural environments. The images cover 20 animal species and include both high-quality and challenging examples for automated processing: diverse backgrounds, weather conditions, time of day, a significant share of “empty” frames, and pronounced class imbalance. The aim of the work is to develop and analyze approaches to animal classification using modern architectures in combination with filtering methods (in particular, MegaDetector), dataset balancing, and transfer learning. A complete pipeline has been implemented — from data preparation and model training to testing on real images. The results demonstrate that combining modern models with proper data preparation improves the accuracy of automatic biodiversity monitoring, reduces the impact of noise, and enables more efficient use of computational resources in ecological research.
dc.format.extent87 с.
dc.identifier.citationСалоід, С. Є. Моделі комп’ютерного зору для аналізу зображень з фото пасток : дипломна робота … бакалавра : 122 Комп'ютерні науки / Салоід Софія Євгенівна. – Київ, 2025. – 87 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75828
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкомп’ютерний зір
dc.subjectкласифікація тварин
dc.subjectглибоке навчання
dc.subjectфотопастки
dc.subjectавтоматичне розпізнавання
dc.subjectzero shot класифікація
dc.subjectекологічний моніторинг
dc.subjectфільтрація зображень
dc.subjectтрансферне навчання
dc.subjectобробка зображень
dc.subjectcomputer vision
dc.subjectanimal classification
dc.subjectdeep learning
dc.subjectcamera traps
dc.subjectautomatic recognition
dc.subjectzero-shot classification
dc.subjectecological monitoring
dc.subjectimage filtering
dc.subjecttransfer learning
dc.subjectimage processing
dc.titleМоделі комп’ютерного зору для аналізу зображень з фото пасток
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Saloid_bakalavr.pdf
Розмір:
1.56 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 (ШІ)
Бакалаврські роботи