Побудова гібридних згорткових нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorКот, Анатолій Тарасович
dc.contributor.authorМарусій, Богдан Ігорович
dc.date.accessioned2024-11-06T13:41:55Z
dc.date.available2024-11-06T13:41:55Z
dc.date.issued2024
dc.description.abstractДипломна робота: 74 с., 6 рис., 8 табл., 20 посилань, 1 додаток. Об’єкт дослідження – процес побудови та навчання гібридних згорткових нейронних мереж (ГЗНМ). Предмет дослідження – конкретні техніки, алгоритми та підходи, використані при створенні гібридних архітектур ЗНМ. Мета роботи – розробка та оцінка гібридних згорткових нейронних мереж для вирішення задач розпізнавання дорожніх знаків та виявлення пішоходів в автомобільних системах. Проведено огляд існуючих сучасних практик у ЗНМ та гібридних архітектур. Виявлено, що класичні ЗНМ, такі як AlexNet, VGG та ResNet, мають високу ефективність у задачах комп'ютерного зору, проте мають певні обмеження. Виявлено, що використання гібридних моделей дає змогу покращити точність і продуктивність порівняно з класичними підходами. Вибрано ряд сучасних інструментів та технологій для розробки гібридних ЗНМ, у тому числі TensorFlow, Keras, PyTorch та інші. Побудовані прототипи гібридних ЗНМ показали високу ефективність у вирішенні задач класифікації зображень. Використання аугментації даних значно покращило узагальнювальну здатність моделі. Оптимізація гіперпараметрів, зокрема швидкості навчання, дала змогу досягти оптимальної продуктивності моделі. Завдяки гнучкості архітектури та використанню сучасних бібліотек, розроблений додаток може бути легко адаптований до інших задач комп'ютерного зору, таких як відеоспостереження, медична діагностика або автоматизована модерація контенту. Проведено функціонально-вартісний аналіз програмного продукту.
dc.description.abstractotherMaster's thesis: 76 p., 6 figures, 8 tables, 20 references, 1 appendix. The object of the study is process of constructing and training hybrid convolutional neural networks (HCNNs). The subject of research is specific techniques, algorithms, and approaches used in the creation of hybrid CNN architectures. The purpose of the work is to develop and evaluate hybrid convolutional neural networks for solving tasks related to traffic sign recognition and pedestrian detection in automotive systems. A review of current practices in CNNs and hybrid architectures has been conducted. Classical CNNs such as AlexNet, VGG, and ResNet exhibit high efficiency in computer vision tasks but have certain limitations. It has been found that employing hybrid models improves accuracy and performance compared to classical approaches. A selection of modern tools and technologies including TensorFlow, Keras, PyTorch, and others has been chosen for developing hybrid CNNs. Prototypes of hybrid CNNs have demonstrated high effectiveness in image classification tasks. Data augmentation significantly enhanced model generalization. Optimization of hyperparameters, including learning rate, led to optimal model performance. Due to the architecture's flexibility and use of modern libraries, the developed application can be easily adapted to other computer vision tasks such as video surveillance, medical diagnostics, or automated content moderation. A functional and cost analysis of the software product has been conducted.
dc.format.extent101 с.
dc.identifier.citationМарусій, Б. І. Побудова гібридних згорткових нейронних мереж : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Марусій Богдан Ігорович. – Київ, 2024. – 101 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70388
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectгібридні згорткові нейронні мережі
dc.subjectмашинне навчання
dc.subjectглибинне навчання
dc.subjectкомп'ютерний зір
dc.subjectавтономні транспортні засоби
dc.subjectрозпізнавання дорожніх знаків
dc.subjectвиявлення пішоходів
dc.subjectpytorch
dc.subjectобробка зображень
dc.subjectоптимізація гіперпараметрів
dc.subjecthybrid convolutional neural networks
dc.subjectmachine learning
dc.subjectdeep learning
dc.subjectcomputer vision
dc.subjectautonomous vehicles
dc.subjecttraffic sign recognition
dc.subjectpedestrian detection
dc.subjectimage processing
dc.subjecthyperparameter optimization
dc.titleПобудова гібридних згорткових нейронних мереж
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Marusii_bakalavr.pdf
Розмір:
988.84 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

Бакалаврські роботи (ШІ)
Бакалаврські роботи