Метод нейромережевого виділення об’єктів на растрових зображеннях

Скорочена інформація про документ
dc.contributor.advisorКулаков, Юрій Олексійович
dc.contributor.authorТерейковський, Олег Ігоревич
dc.date.accessioned2022-07-14T14:12:51Z
dc.date.available2022-07-14T14:12:51Z
dc.date.issued2022
dc.description.abstractenRelevance. Currently, raster image recognition systems are used in many sectors of the economy. In most cases, for example, in biometric authentication systems, the result of the analysis is correlated with the automatic classification of one or more objects that may be located in different areas of the image, may partially intersect and have no clear boundaries. In specific cases, such as in medical diagnostic systems, the boundaries of the target must be identified as a result of the recognition and displayed on the same image. This specificity further complicates the effectiveness of recognition, although partially offset by the creation of recognition systems based on neural networks. However, the known neural network allocation systems are highly specialized and insufficiently adapted to the variability of application conditions, which leads to the need to develop new solutions in this area. The purpose of the study. The purpose of the master's work is to develop an effective method of neural network selection of objects on raster images, which provides sufficient accuracy of object selection under different conditions of application. Object of research – the process of selecting objects on raster images. Subject of research – models and methods of neural network selection of objects on raster images. Research methods. The master's thesis uses the methods of the theory of neural networks and digital processing of signals and images. The scientific novelty of the obtained results is as follows: further developed the model of neural network encoder and decoder, which due to the adaptation of the type and parameters of the convolutional neural network provide the ability to effectively select objects under different conditions of use; for the first time a method of neural network selection of objects was developed, which by adapting the parameters of input and output fields of educational examples to the conditions of object selection, supplementing the training sample by image augmentation and using the proposed encoder and decoder models objects on raster images in a variety of applications. Practical value. The obtained results can be used in future research in the following areas: improvement of methods of neural network analysis of raster images; recognition of a person's face by facial image; improving the means of technical vision.uk
dc.description.abstractukАктуальність. В теперішній час системи розпізнавання растрових зображень використовуються в багатьох галузях народного господарства. В більшості випадків, наприклад, в системах біометричної аутентифікації, результат аналізу співвідноситься з автоматичною класифікацією одного або декількох об’єктів, що можуть розміщуватись в різних областях такого зображення, можуть частково перетинатись та не мати чітких кордонів. В специфічних випадках, наприклад, в системах медичної діагностики, в результаті розпізнавання необхідно визначити кордони цільових об’єктів та відобразити їх на цьому ж зображенні. Вказана специфіка ще більш ускладнює результативність розпізнавання, хоча і частково компенсується за рахунок створення систем розпізнавання на базі нейронних мереж. Разом з тим, відомі нейромережеві системи виділення вузькоспеціалізовані та в недостатній мірі пристосовані до варіативності умов застосування, що призводить до необхідності розробки нових рішень в даній області. Мета дослідження. Метою магістерської роботи є розробка ефективного методу нейромережевого виділення об’єктів на растрових зображеннях, що забезпечує достатню точність виділення об’єктів при варіативних умовах застосування. Об’єкт дослідження – процес виділення об’єктів на растрових зображеннях. Предмет дослідження – моделі та методи нейромережевого виділення об’єктів на растрових зображеннях. Методи досліджень. В магістерській роботі використано методи теорії нейронних мереж та цифрової обробки сигналів та зображень. Наукова новизна одержаних результатів роботи полягає у наступному: отримали подальший розвиток моделі нейромережевого кодеру та декодеру, що за рахунок адаптації типу та параметрів згорткової нейронної мережі забезпечують можливість ефективного виділення об’єктів при варіативних умовах застосування; вперше розроблено метод нейромережевого виділення об'єктів, що за рахунок адаптації параметрів вхідного та вихідного полів навчальних прикладів до умов виділення об’єкту, доповнення навчальної вибірки за рахунок аугментації зображень та використання запропонованих моделей кодера та декодера, забезпечує можливість досягнення заданої точності виділення об’єктів на растрових зображеннях у варіативних умовах застосування. Практична цінність. Отримані результати можуть використовуватися у майбутніх дослідженнях за напрямками: вдосконалення методів нейромережевого аналізу растрових зображень; розпізнавання особи людини за зображенням обличчя; вдосконалення засобів технічного зору.uk
dc.format.page104 с.uk
dc.identifier.citationТерейковський, О. І. Метод нейромережевого виділення об’єктів на растрових зображеннях : магістерська дис. : 123 Комп’ютерна інженерія / Терейковський Олег Ігоревич. – Київ, 2022. – 104 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/48835
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectвиділення об’єктівuk
dc.subjectзображенняuk
dc.subjectнейронна мережаuk
dc.subjectкодерuk
dc.subjectдекодерuk
dc.subjectobject selectionuk
dc.subjectimagesuk
dc.subjectneural networkuk
dc.subjectencoderuk
dc.subjectdecoderuk
dc.subject.udc004.056.5uk
dc.titleМетод нейромережевого виділення об’єктів на растрових зображенняхuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Tereikovskyi_magistr.pdf
Розмір:
2.54 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ОТ)
Магістерські роботи