Інформаційна система класифікації та маркування зображень для навчання моделей штучного інтелекту

Скорочена інформація про документ
dc.contributor.authorШушура, О. М.
dc.contributor.authorПрисяжнюк, В. В.
dc.date.accessioned2025-12-03T13:29:49Z
dc.date.available2025-12-03T13:29:49Z
dc.date.issued2023
dc.description.abstractСтаття присвячена розробці інформаційної системи для класифікації та маркування зображень з метою навчання моделей штучного інтелекту. Покращення швидкості та точності класифікації і маркування зображень шляхом надання їм певних міток або категорій відкриває нові можливості для використання машинного навчання у різних сферах, включаючи комп'ютерний зір, медичну діагностику, розпізнавання образів. Проведений аналіз наявних систем анотування зображень показав, що слабкими сторонами цих технологій є неповнота та незручність реалізованих інструментів, недостатньо висока швидкість виконання операцій. У роботі запропоновано для класифікації та маркування зображень використати технології штучних нейронних мереж. З метою автоматизації класифікації зображень обрано мережу ResNet, яка навчається в процесі виконання роботи в межах одного датасету, що дозволяє скоротити витрати часу на проведення операції. Для задач маркування зображень застосовано мережу SAM, яка дає змогу узагальнювати незнайомі об'єкти та зображення без необхідності додаткового навчання. Дослідження використання цих технологій на контрольній вибірці даних показало достатньо високу точність їх роботи. Сформовано вимоги до інформаційної системи автоматизації класифікації та маркування зображень, які формалізовані у вигляді діаграми прецедентів UML, спроектована її структура та обрані засоби розробки, створене програмне забезпечення на мові Python та проведене його тестування. В якості системи управління базами даних обрано MongoDB через її безкоштовність та продуктивність. Результати досліджень можуть бути використані розробниками інформаційних технологій, що працюють в області навчання моделей штучного інтелекту.
dc.description.abstractotherThe paper is devoted to the development of an information technology for image classification and labeling for the purpose of training artificial intelligence models. Improving the speed and accuracy of image classification and labeling by assigning them specific tags or categories opens up new possibilities for the use of machine learning in various fields, including computer vision, medical diagnostics, and image recognition. The analysis of existing image annotation systems has shown that their weaknesses lie in the incompleteness and inconvenience of implemented tools, as well as insufficiently high execution speed. The proposed approach for image classification and labeling involves the use of artificial neural network technologies. For the automation of image classification, the ResNet network was selected, which is trained within the framework of a single dataset, thus reducing the time required for the operation. For image labeling tasks, the SAM network was applied, which allows for generalizing unfamiliar objects and images without the need for additional training. Research on the use of these technologies on a test dataset has demonstrated their sufficiently high accuracy. Requirements for an information system for automating image classification and labeling have been formulated, which are formalized in the form of a UML use case diagram. The system's structure has been designed, and development tools have been chosen. The software has been created using the Python programming language and subjected to testing. MongoDB has been selected as the database management system due to its free-ofcharge availability and productivity. The research results can be used by information technology developers working in the field of artificial intelligence model training.
dc.format.pagerangeС. 137-142
dc.identifier.citationШушура. О. М. Інформаційна система класифікації та маркування зображень для навчання моделей штучного інтелекту / Шушура О. М., Присяжнюк В. В. // Вісник ХНТУ. - 2023. - № 3(86). - С. 137–142.
dc.identifier.doihttps://doi.org/10.35546/kntu2078-4481.2023.3.17
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/77502
dc.language.isouk
dc.publisherХНТУ
dc.publisher.placeХерсон
dc.relation.ispartofВісник Херсонського національного технічного університету, № 3(86), 2023
dc.subjectкласифікація зображень
dc.subjectмаркування зображень
dc.subjectштучні нейронні мережі
dc.subjectмодель штучного інтелекту
dc.subjectінформаційна технологія
dc.subjectавтоматизація
dc.subjectartificial neural network technologies. For the automation of image classification
dc.subjectthe ResNet network was selected
dc.subjectwhich is trained within the framework of a single dataset
dc.subjectthus reducing the time required for the operation. For image labeling tasks
dc.subjectthe SAM network was applied
dc.subjectwhich allows for generalizing unfamiliar objects and images without the need for additional training. Research on the use of these technologies on a test dataset has demonstrated their sufficiently high accuracy. Requirements for an information system for automating image classification and labeling have been formulated
dc.subjectwhich are formalized in the form of a UML use case diagram. The system's structure has been designed
dc.subjectand development tools have been chosen. The software has been created using the Python programming language and subjected to testing. MongoDB has been selected as the database management system due to its free-ofcharge availability and productivity. The research results can be used by information technology developers working in the field of artificial intelligence model training
dc.subject.udc004.85
dc.titleІнформаційна система класифікації та маркування зображень для навчання моделей штучного інтелекту
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Stattia_4.pdf
Розмір:
410.85 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

Статті (ЦТЕ)