Інтелектуальна система генерації зображень на основі використання WGAN

Скорочена інформація про документ
dc.contributor.advisorСинєглазов, Віктор Михайлович
dc.contributor.authorГой, Арсеній Володимирович
dc.date.accessioned2025-08-21T13:55:47Z
dc.date.available2025-08-21T13:55:47Z
dc.date.issued2025
dc.description.abstractДипломна робота: 116 сторінок, 19 рисунків, 17 таблиць, 57 посилань, додаток. У роботі розглянуто актуальну проблему нестачі якісних даних для навчання класифікаційних моделей у сферах, де збирання великих вибірок ускладнене або неможливе. Об'єктом дослідження є процес генерації зображень, предметом – створення інтелектуальної системи синтезу зображень на основі архітектури Wasserstein GAN (WGAN). Метою роботи стало розроблення, реалізація та аналіз ефективності системи генерації синтетичних зображень, що можуть покращити якість класифікацій при обмежених вибірках. У межах дослідження здійснено аналіз існуючих архітектур GAN, обґрунтовано вибір WGAN як стабільнішої моделі для задач класифікації. Розроблено та реалізовано модифіковану топологію WGAN з використанням фреймворку PyTorch. Проведено навчання моделі на зображеннях дефектів виробничих деталей і згенеровано синтетичні зображення, що розширили навчальну вибірку. Отримані дані використано для навчання класифікатора, точність якого зросла на понад 7%. Порівняльний аналіз показав перевагу запропонованого підходу над класичними методами аугментації. Результати мають практичну цінність для медицини, промисловості, агросфери та систем безпеки.
dc.description.abstractotherThesis: 116 pages, 19 figures, 17 tables, 57 references, 1 appendix. The thesis addresses the urgent problem of insufficient high-quality data for training classification models in domains where collecting large datasets is difficult or impractical. The object of the research is the image generation process, the subject is the development of an intelligent image synthesis system based on the Wasserstein GAN (WGAN) architecture. The aim of the work is to develop, implement, and evaluate the effectiveness of a synthetic image generation system capable of improving classification accuracy under limited data conditions. The research includes an analysis of existing GAN architectures and justifies the choice of WGAN due to its training stability and suitability for classification tasks. A modified WGAN topology was designed and implemented using PyTorch. The model was trained on images of manufacturing defects and generated synthetic images to expand the training dataset. These images were then used to train a classifier, resulting in a performance improvement of over 7%. Comparative analysis demonstrated the superiority of the proposed approach over traditional data augmentation methods. The results are of practical value in fields such as medicine, industry, agriculture, and security systems.
dc.format.extent116 с.
dc.identifier.citationГой, А. В. Інтелектуальна система генерації зображень на основі використання WGAN : дипломна робота … бакалавра : 122 Комп'ютерні науки / Гой Арсеній Володимирович. – Київ, 2025. – 116 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75584
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectінтелектуальна система
dc.subjectгенерація зображень
dc.subjectнейронні мережі
dc.subjectwasserstein gan
dc.subjectглибинне навчання.
dc.titleІнтелектуальна система генерації зображень на основі використання WGAN
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Hoi_bakalavr.pdf
Розмір:
4.53 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