Математичне та програмне забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень

Скорочена інформація про документ
dc.contributor.advisorТретиник, Віолета Вікентіївна
dc.contributor.authorДавиденко, Микола Андрійович
dc.date.accessioned2024-05-24T13:43:52Z
dc.date.available2024-05-24T13:43:52Z
dc.date.issued2023
dc.description.abstractДисертацію виконано на 92 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 23 найменувань. У роботі наведено 30 рисунки та 3 таблиці. Актуальність теми. Після 24 лютого 2022 року життя кожного українця назавжди змінилося від російського вторгнення та повномасштабної війни. Тож у сучасних життєвих реаліях війна зайняла окреме місце. Щоб підвищити оборонну спроможність важливо мати танки, артилерію та літаки, але щоб підвищити якість всього потрібна допомога математики та машинного навчання. На заході вже давно розробляються автоматичні системи прийняття рішень на основі штучного інтелекту, а дрони навчають автоматично знаходити цілі, і це далеко не повний список. Тож мета цієї роботи розробити інструмент для підвищення оборонної спроможності нашої країни. Щоб стежити та приймати відповідні рішення можна використовувати багато людських та фінансових ресурсів, що не є оптимально. Але є другий варіант, завдяки прогресу у супутниковій фотозйомці та нейронних мережах, це можна зробити повністю автоматизовано. В наш час стало зрозуміло що незважаючи на 21 століття військові конфлікти нікуди не зникли, тому є сенс створювати оборонний потенціал. Важливу роль у сучасній війні є розвідка, бо якщо є інформація про розташування ворога, то можна зробити контрдії які можуть кардинально змінити хід війни. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Розробка математичного та програмного забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень на основі нейромережевої моделі для інтеграції з сайтами. Для розширення функціональних можливостей і адаптації системи до використання людьми без профільної освіти. Програма має бути інтегрована з сайтом, додатком або впроваджена в робочий процес. Об’єктом дослідження є методи та моделі розпізнавання об’єктів за супутниковими знімками на основі методів та моделей нейронних мереж. Моделі підвищення якості зображення, апскейлінг. Різні архітектури нейронних мереж: згорткові нейронні мережі, глибока згорткова нейронна мережа, U-Net, Залишкова нейронна мережа. Методи оптимізації та гіперпараметри нейронної мережі. Предметом дослідження є математичне та програмне забезпечення системи розпізнавання військових об’єктів за супутниковими знімками на основі нейромережевої моделі. Застосування нейронних мереж на етапі попереднього тренування для розпізнавання морських об’єктів за супутниковими знімками, порівняльний аналіз методів оптимізації, що використовуються при навчанні нейронних мереж. Методи дослідження. Для розв’язання поставленої задачі використовувались такі методи: методи машинного навчання (для розробки моделі нейронної мережі); методи оптимізації (для пошуку найкращого налаштування системи); методи обробки даних (для попередньої підготовки вхідних даних); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів). Наукова новизна одержаних результатів включає в себе такі пункти: - Комбінація використання навчених нейронних мереж з відкритим кодом для підвищення якості (апскейлінг) супутникових зображень, перед застосуванням основної згорткової нейронної мережі для розпізнавання об’єктів на фото. - Запропоновано використання згорткових нейронних мереж для розпізнавання військової техніки в комбінації сучасних комерційних супутників з синтезованою апертурою. Практичне значення одержаних результатів. Полягає в тому, що розроблена система для розпізнавання військової техніки за супутниковими знімками при подальшій модифікації може використовуватися військовими Збройними силами України. Апробація результатів дисертації. Основні положення й результати роботи представлено на конференції ПМК 2022 (Прикладна математика та комп’ютинг). Публікації. Результати дисертації викладено в одній науковій праці: - Третиник В. В., Давиденко М.А. (2022) Попереднє покращення якості зображення для підвищення точності розпізнавання об'єктів. ПМК 2022. С. 169-173;
dc.description.abstractotherThe dissertation is made on 92 sheets, it contains 3 appendices and a list of references to the sources used from 23 titles. The paper contains 30 figures and 3 tables. Relevance of the topic. After February 24, 2022, the life of every Ukrainian has changed forever from the Russian invasion and full-scale war. Therefore, in modern life realities, the war took a separate place. It is important to have tanks, artillery and airplanes to increase the defensive capability, but to improve the quality of everything you need the help of mathematics and machine learning. In the West, automatic systems for bringing solutions based on artificial intelligence have long been developed, and drones are trained to automatically find targets, and this is far from a complete list. Therefore, the purpose of this work is to develop a tool to increase the defense capability of our country. Many human and financial resources can be used to monitor and make appropriate decisions, which is not optimal. But there is a second option, thanks to advances in satellite photography and neural networks, that can be done in a fully automated way. In our time, it became clear that despite the 21st century, military conflicts have not disappeared anywhere, so it makes sense to create a defensive potential. An important role in modern warfare is intelligence, because if there is information about the location of the enemy, then you can make counter-actions that can radically change the course of the war. Connection of work with scientific programs, plans, topics. The dissertation work was carried out in accordance with the plan of research work of the Department of Applied Mathematics of the National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute." Purpose and objectives of the study. Development of a mathematical and software system for recognizing military equipment using satellite images based on a neural network model for integration with sites. To expand functionality and adapt the system to the use of people without specialized education. The application must be integrated with the site, application, or implementation into the workflow. The object of research is methods and models of object recognition by satellite snapshots based on methods and models of neural networks. Models for improving the quality of zooimage, upscaling. Different architectures of neural networks: convolutional neural networks, deep convolutional neural network, U-Net, Residual neural network. Optimization methods and hyperparameters of the neural network. Subject of research: Mathematical and software systems for recognizing military objects from satellite images based on a neural network model. Application of neural networks at the stage of preliminary training for recognition of marine objects from satellite images, comparative analysis of optimization methods used in training neural networks. Methods of research. To solve the problem, the following methods were used: machine learning methods (for developing a neural network model); Optimization methods (to find the best system configuration) data processing methods (for preliminary preparation of input data); methods of algorithm theory and programming (for software implementation of the developed algorithms). Scientific contribution consists of the following:: - A combination of using trained open-source neural networks to improve the quality (upscaling) of satellite images, before using the main convolutional neural network to recognize objects in the photo. - The use of convolutional neural networks for the recognition of military equipment in a combination of modern commercial satellites with a synthesized aperture is proposed. The practical significance of the results obtained. It consists in the fact that the developed system for recognizing military equipment from satellite images during further modification can be used by the military of the Armed Forces of Ukraine. Approbation of the results of the dissertation. The main provisions and results of the work are presented at the conference PMK 2022 (Applied Mathematics and Computing). Publications. The results of the dissertation are presented in one scientific work: - Tretinik V.V., Davydenko M.A. (2022) Preliminary improvement of image quality to improve the accuracy of object recognition. PMK 2022. PP. 169-173
dc.format.extent112 с.
dc.identifier.citationДавиденко, М. А. Математичне та програмне забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень : магістерська дис. : 113 Прикладна математика / Давиденко Микола Андрійович. – Київ, 2023. – 112 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/66906
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectсупутникова зйомка
dc.subjectметоди підвищення роздільної здатності
dc.subjectзгорткова нейронна мережа
dc.subjectкласифікація зображень
dc.subjectнавчання нейронних мереж
dc.subjectрозпізнавання об‘єктів
dc.subjectкомп’ютерне бачення
dc.subjectоптимізація параметрів
dc.subject.udc519.688:004.855.5
dc.titleМатематичне та програмне забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Davydenko_magistr.pdf
Розмір:
4.32 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 (ПМА)
Магістерські роботи