Система розфарбовування монохромних зображень з використанням нейромереж

Скорочена інформація про документ
dc.contributor.advisorПетрашенко, Андрій Васильович
dc.contributor.authorМаксименко, Данило Денисович
dc.date.accessioned2024-12-25T20:28:24Z
dc.date.available2024-12-25T20:28:24Z
dc.date.issued2024
dc.description.abstractАктуальність теми. З розвитком автомобільної індустрії та впровадженням сучасних технологій у транспортній сфері підвищення рівня безпеки дорожнього руху стає пріоритетним завданням. Однією з ключових причин дорожньо-транспортних пригод є зниження рівня сконцентрованості водія через втому, стрес або відволікання. У таких умовах використання систем оцінки рівня сконцентрованості водія набуває особливої актуальності. Інтеграція подібних систем у транспортні засоби дозволяє вчасно виявляти ознаки втоми або втрати уваги та попереджати аварійні ситуації. Застосування технологій комп’ютерного зору, нейронних мереж та аналізу фізіологічних показників забезпечує ефективний моніторинг стану водія в режимі реального часу. Це сприяє зниженню ризиків на дорозі, збереженню життя та здоров’я учасників дорожнього руху, що робить тему дослідження надзвичайно актуальною в контексті сучасних умов. Об’єктом дослідження є процес оцінки рівня сконцентрованості водія наземного транспорту. Предметом дослідження є нейромережеві моделі та засоби оцінки рівня сконцентрованості водія наземного транспорту. Метою роботи є розробка нейромережевої моделі, що забезпечує можливість підвищення точності оцінки рівня уваги водія в очікуваних умов експлуатації. Наукова новизна полягає в наступному: 1. Вдосконалено нейромережеву модель, що на відміну від відомих за рахунок інтегрального застосування нейронних мереж типу MobileNetV2 та GRU з обґрунтовано визначеними значеннями архітектурних параметрів забезпечила можливість підвищення точності оцінки рівня уваги водія в очікуваних умов експлуатації. 2. Отримала подальший розвиток модель підготовки тренувальної вибірки перед поданням в нейромережу, що за рахунок адаптації параметрів аугментації навчальних прикладів до особливостей процесу навчання в нейромережевій моделі оцінки рівня уваги водія, забезпечила можливість підвищення її ефективності. Практична цінність отриманих результатів полягає в можливості використання розробленої на основі запропонованої моделі системи оцінки рівня сконцентрованості водія в сучасних наземних транспортних засобах для підвищення рівня безпеки. Це може знайти застосування при створенні автономних транспортних засобів з підвищеним рівнем безпеки. Отримані результати можуть бути використані в майбутніх дослідженнях для вдосконалення систем моніторингу стану водія та розробки інтелектуальних транспортних систем. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на VIII Міжнародній студентській конференції «Актуальні питання та перспективи проведення наукових досліджень» Дніпро, 13 грудня 2024 року. Структура та обсяг: Магістерська дисертація складається з вступу, чотирьох розділів, та висновків. У вступі висвітлено основні аспекти дослідження, проведено аналіз сучасного стану проблеми, обґрунтовано важливість обраної теми, сформульовано мету та основні завдання роботи. Також розкрито новизну отриманих результатів, їхню практичну значущість. У першому розділі проведено аналіз існуючих методів оцінки рівня сконцентрованості водія наземного транспорту. У другому розділі наведено опис базових нейромережевих моделей та розглянуто особливості нейромережевої оцінки рівня сконцентрованості водія. У третьому розділі проведено проектування системи оцінки рівня концентрації водія наземного транспорту, розроблено модель підготовки тренувальної вибірки перед поданням в нейромережу та розроблено архітектуру моделі оцінювання рівня сконцентрованості водія наземного транспортного засобу. У четвертому розділі проведено тестування, проаналізовано ефективність створеної моделі відносно інших моделей оцінки рівня сконцентрованості водія та наведено усі переваги та недоліки створеної моделі. У висновках представлені результати виконаної роботи. Робота представлена на 97 аркушах, містить посилання на список використанних джерел. Ключові слова: нейромережева модель, відеопотік, оцінка рівня сконцентрованості, згорткові нейронні мережі, рекурентні нейронні мережі, комп’ютерні системи.
dc.description.abstractotherActuality of theme. With the development of the automotive industry and the implementation of modern technologies in the transportation sector, improving road safety has become a top priority. One of the key causes of road accidents is reduced driver concentration due to fatigue, stress, or distractions. In such conditions, driver concentration assessment systems become particularly relevant. Integrating such systems into vehicles allows for timely detection of fatigue or attention loss and helps prevent accidents. The use of computer vision technologies, neural networks, and physiological data analysis ensures effective real-time driver monitoring. This reduces road risks, preserves lives and health of road users, and highlights the importance of the research topic in modern contexts. The object of the research is the process of assessing the level of concentration of ground vehicle drivers using convolutional and recurrent neural networks. The subject of the research is neural network models and methods for assessing the level of concentration of ground vehicle drivers. The subject of the research is the analysis of existing methods for assessing driver concentration, develop and test a method for determining the driver’s state based on a combination of convolutional and recurrent neural models, enabling more accurate driver attention assessment even under changing lighting conditions, partial obstructions, or other interferences. The scientific novelty consists in the following: 1. The neural network model has been improved, which, unlike the known ones, due to the integrated use of neural networks such as MobileNetV2 and GRU with reasonably determined values of architectural parameters, has provided the possibility of increasing the accuracy of assessing the driver's attention level in expected operating conditions. 2. The model for preparing the training sample before submitting it to the neural network has been further developed, which, by adapting the parameters of the augmentation of training examples to the features of the learning process in the neural network model for assessing the driver's attention level, provided the possibility of increasing its efficiency. The practical value of the results obtained lies in the possibility of using the proposed model to ensure driver safety on the road. This can be used in advanced driver assistance systems, as well as in the creation of autonomous vehicles with an increased level of safety. The results obtained can be used in future research to improve driver condition monitoring systems and develop intelligent transportation systems. Approbation of work. The main concepts and results were presented and discussed at the VIII International Student Conference "Current Issues and Prospects of Scientific Research," Dnipro, December 13, 2024. Structure and scope of work. The master’s thesis consists of an introduction, four chapters, and conclusions. The introduction outlines key aspects of the research, analyzes the current state of the problem, justifies the relevance of the chosen topic, and defines the research aim and main objectives. The novelty of the results and their practical significance are also highlighted. The first chapter analyzes existing methods for assessing driver concentration in ground vehicles. The second chapter describes basic neural network models and examines the specifics of neural network-based driver concentration assessment. In the third section, a system for assessing the concentration level of a ground vehicle driver was designed, a model for preparing a training sample before submitting it to a neural network was developed, and the architecture of a model for assessing the concentration level of a ground vehicle driver was developed. The fourth chapter discusses testing, analyzes the model's effectiveness compared to other assessment models, and highlights the advantages and disadvantages of the developed model. The conclusions summarize the research results. The work is presented on 97 pages and includes references to the list of used sources. Keywords: neural network model, video stream, concentration assessment, convolutional neural networks, recurrent neural networks, computer systems.
dc.format.pagerange97 с.
dc.identifier.citationМазенко, М. О. Модель оцінювання рівня сконцентрованості водія наземного транспортного засобу : магістерська дис. : 123 Комп'ютерна інженерія / Мазенко Михайло Олегович. – Київ, 2024. – 97 с
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71339
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectнейромережева модель
dc.subjectвідеопотік
dc.subjectоцінка рівня сконцентрованості
dc.subjectзгорткові нейронні мережі
dc.subjectрекурентні нейронні мережі
dc.subjectкомп’ютерні системи.
dc.subjectneural network model
dc.subjectvideo stream
dc.subjectconcentration assessment
dc.subjectconvolutional neural networks
dc.subjectrecurrent neural networks
dc.subjectcomputer systems
dc.subject.udc004.77
dc.titleСистема розфарбовування монохромних зображень з використанням нейромереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Mazenko_MO_KV31mp_magistr_2024.docx
Розмір:
3.66 MB
Формат:
Microsoft Word XML
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 (СПСКС)
Магістерські роботи