Методи навчання без підготовки засновані на вкладені в задачах комп'ютерного зору

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorПашнєва, Ольга Миколаївна
dc.date.accessioned2023-10-23T13:32:31Z
dc.date.available2023-10-23T13:32:31Z
dc.date.issued2023
dc.description.abstractМагістерська дисертація: 156 с., 23 табл., 37 рис., 24 джерела, 1 додаток. Об’єкт дослідження – задача класифікації зображень з пов’язаними семантичними ознаками. Предмет дослідження – мережі для задач навчання без підготовки засновані на вкладеннях та оцінка їх ефективності. Мета роботи – Дослідити існуючі підходи до розробки мереж навчання без підготовки, та визначити найбільш ефективні системи для моделювання. В роботі проведено розглянуто проблему появи зображень нових класів, які не були включені до навчання, під час використання класифікатора на практиці. Розглянуті сучасні методи навчання без підготовки для класифікації зображень засновані на вкладеннях. Розроблено програмний продукт для класифікації зображень з семантичними ознаками методом навчання без підготовки. Основні наукові результати та їх новизна. Досліджено продуктивність шести різних сучасних підходів для навчання без підготовки в умовах наближених до практичних. Проведено експерименти, що показують чутливість моделей до різного ступеня шумів в атрибутах та мітках, а також чутливість до зменшення кількості навчальних класів та збільшення кількості тестових.uk
dc.description.abstractotherMaster's thesis: 156 p., 23 tab., 37 fig., 24 ref., 1 appendix. The object of the research is the task of classifying images with associated semantic features. The subject of the research is machine learning models for zero-shot classification based on embeddings and evaluation of their effectiveness. The purpose of the master's thesis is to investigate existing approaches to the development of zero-shot models, and to determine the most effective architectures for modeling. The paper examines the problem of the appearance of images of new classes that were not included in training phase during the use of the classifier in practice. Modern methods of zero-shot learning based on embeddings for image classification are considered. A software product has been developed for the classification of images with semantic features with the zero shot learning algorithms. Scientific results and their novelty. The performance of six different modern approaches to zero-shot learning in conditions close to practical ones was studied. Experiments were conducted showing the sensitivity of the models to varying degrees of noise in attributes and labels, as well as sensitivity to a decrease in the number of training classes and an increase in the number of test classes.uk
dc.format.extent156 с.uk
dc.identifier.citationПашнєва, О. М. Методи навчання без підготовки засновані на вкладені в задачах комп'ютерного зору : магістерська дис. : 122 Комп'ютерні науки / Пашнєва Ольга Миколаївна. - Київ, 2023. - 156 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/61702
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectкомп'ютерний зірuk
dc.subjectнавчання без підготовкиuk
dc.subjectвкладенняuk
dc.subjectсемантичні ознакиuk
dc.subjectобробка зображеньuk
dc.subjectкласифікаціяuk
dc.subject.udc004.852uk
dc.titleМетоди навчання без підготовки засновані на вкладені в задачах комп'ютерного зоруuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи