Шушура, О. М.Присяжнюк, В. В.2025-12-032025-12-032023Шушура. 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.https://ela.kpi.ua/handle/123456789/77502Стаття 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.ukкласифікація зображеньмаркування зображеньштучні нейронні мережімодель штучного інтелектуінформаційна технологіяавтоматизаціяartificial neural network technologies. For the automation of image classificationthe ResNet network was selectedwhich is trained within the framework of a single datasetthus reducing the time required for the operation. For image labeling tasksthe SAM network was appliedwhich 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 formulatedwhich are formalized in the form of a UML use case diagram. The system's structure has been designedand 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 trainingArticleС. 137-142https://doi.org/10.35546/kntu2078-4481.2023.3.17004.85