Palun kasuta seda identifikaatorit viitamiseks ja linkimiseks: http://elartu.tntu.edu.ua/handle/lib/41162
Pealkiri: Розробка програмного продукту на основі хмарної архітектури для машинного аналізу зображень (комплексна тема)
Teised pealkirjad: Software Development Based On Cloud Architecture for Analysis of Machine Images
Autor: Зелінський, Андрій Олегович
Zelinskyi, Andrii Olegovych
Лісовський, Владислав Володимирович
Lisovskyi, Vladyslav Volodomyrovych
Affiliation: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Bibliographic description (Ukraine): Зелінський А. О., Лісовський В. В. Розробка програмного продукту на основі хмарної архітектури для машинного аналізу зображень (комплексна тема).: кваліфікаційна робота магістра за спеціальністю „122 – комп’ютерні науки“ / А. О. Зелінський, В. В. Лісовський. – Тернопіль : ТНТУ, 2023. – 140 с.
Ilmumisaasta: 23-mai-2023
Submitted date: 9-mai-2023
Date of entry: 25-mai-2023
Country (code): UA
Place of the edition/event: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Supervisor: Никитюк, Вячеслав Вячеславович
Committee members: Осухівська, Галина Михайлівна
UDC: 004.891
Märksõnad: хмара
cloud
зображення
images
машинне навчання
machine learning
розпізнавання об’єктів
object detection
сервер
server
комп’ютерне бачення
computer vision
kinesis
Kokkuvõte: Кваліфікаційна робота присвячена розробці прототип продукту на основі хмарної архітектури, який буде виконувати машинний аналіз зображень з використанням нейронних мереж. У даній кваліфікаційній роботі було досліджено велику кількість різних підходів до роботи з потоковими даними, а саме потоковим відеорядом. Розроблено програмне рішення стійке до навантажень та оптимізоване для роботи з великою кількістю користувачів одночасно. Основа програмного рішення складається з передових технологій машинного навчання та комп’ютерного бачення. Проведено інтеграцію сервісу із хмарним рішенням Amazon Web Services. В першому розділі кваліфікаційної роботи освітнього рівня «Магістр» проаналізовано використання хмарної архітектури для обробки зображень, ознайомлено з доступними методами опрацювання потоку даних, висвітлено можливі джерела безперервного потоку зображень. Також досліджено підхід інженерії даних для зберігання і опрацювання великих об’ємів потокових даних і поверхнево розглянуто глибоке навчання та комп’ютерне бачення для обробки зображень. В другому розділі кваліфікаційної роботи проведено опис продукту та його вимог, проаналізовано хмарні рішення Amazon Web Services та Google Cloud Platform, проведено їхнє порівняння, та було обрано AWS як основне хмарне рішення для розгортання продукту. Досліджено популярні системи передачі та опрацювання потокових даних, обрано AWS Kinesis головним сервісом для опрацювання відеоряду, описано методи машинного аналізу зображень, визначено моделі для розпізнавання об’єктів, розпізнавання лиць, оцінки пози рук. В третьому розділі кваліфікаційної роботи проведено пошук актантів та варіантів використання продукту, спроектовано архітектуру продукту, сформовано опис програмних рішень сервера та веб-клієнта, описано інтерфейс веб-клієнта та розгорнуто опрацювання безперервного потоку даних та встановлено розроблену систему у хмарному рішенні AWS. Thesis is devoted to the development of an a cloud architecture-based product prototype that will perform machine image analysis using neural networks. A large number of different approaches to working with streaming data, namely video streaming, have been explored in this thesis. The software solution is load-resistant and optimized for working with a large number of users at the same time. The basis of the software solution consists of advanced machine learning and computer learning technologies. The service has been integrated with the Amazon Web Services cloud solution. In the first section of the thesis, the use of cloud architecture for image processing is analyzed, the available methods of data flow processing are introduced, and the possibility of a continuous image flow source is highlighted. A data engineering approach for storing and processing large volumes of streaming data and surface-based deep learning and computer vision for image processing are also explored. The second part of the qualification work described the product and its requirements, analyzed cloud solutions Amazon Web Services and Google Cloud Platform, compared them, and selected AWS as the main cloud solution for product deployment. Popular streaming data transmission and processing systems were studied, AWS Kinesis was chosen as the main service for processing video sequences, methods of machine image analysis were described, models for object recognition, face recognition, and hand position estimation were defined. In the third section of the qualification work, a search for actants and options for using the product was carried out, the product was designed, a description of the server and web client software solutions was formed, the web client interface was described, and continuous data flow processing was deployed, and the developed system was installed in the cloud architectural extension of AWS.
Content: Вступ 11 1 Аналіз предметної області з хмарної архітектури та комп’ютерного бачення 14 1.1 Аналіз потокової передачі зображень 14 1.1.1 Використання хмарної архітектури 15 1.1.2 Методи та системи зберігання та обробки потоку даних 20 1.2 Джерела безперервного потоку зображень 21 1.2.1 Домашня автоматизація 23 1.3 Інженерія даних 25 1.4 Машинний аналіз та обробка зображень 29 1.4.1 Глибинне навчання 30 1.4.2 Комп’ютерне бачення 31 1.5 Висновок до першого розділу 32 2 Аналіз систем обробки потоку даних та моделей машинного аналізу зображень 33 2.1 Опис продукту та вимог 33 2.2 Аналіз хмарних платформ 33 2.2.1 Amazon Web Services 34 2.2.2 Google Cloud Platform 35 2.2.3 Порівняння та вибір платформи 36 2.3 Системи передачі та опрацювання потокових даних 37 2.4 Методи та моделі машинного аналізу зображень 49 2.4.1 Моделі розпізнавання об’єктів 49 2.4.2 Системи розпізнавання лиць 54 2.4.3 Моделі оцінки пози рук 56 2.5 Висновок до другого розділу 59 3 Проектування та реалізація продукту 60 3.1 Пошук актантів та варіантів використання 60 3.2 Проектування архітектури продукту 61 3.3 Опис програмних рішень 63 3.4 Опис інтерфейсу веб-клієнта 67 3.5 Розгортання системи та допоміжних сервісів на хмарній платформі 73 3.6 Висновок до третього розділу 84 4 Охорона праці та безпека в надзвичайних ситуаціях 85 4.1 Характеристика НС воєнного характеру 85 4.2 Міжнародні норми соціальної відповідальності. Стандарт SA 8000 «Соціальна відповідальність» 95 4.3 Підвищення стійкості роботи підприємств приладобудівної галузі в воєнний час 99 4.4 Оцінка стійкості роботи економіки до впливу поражаючих факторів ядерної зброї 91 4.5 Висновок до четвертого розділу 105 Висновки 106 Перелік джерел 108 Додатки
URI: http://elartu.tntu.edu.ua/handle/lib/41162
Copyright owner: © Зелінський Андрій Олегович, Лісовський Владислав Володимирович, 2023
References (Ukraine): 1 SSD: Single Shot MultiBox Detector [Електронний ресурс] – Режим доступу до ресурсу: https://arxiv.org/pdf/1512.02325v5.pdf – Дата доступу: 14.04.2023.
2 YOLO vs SSD: Which One is a Superior Algorithm [Електронний ресурс] – Режим доступу до ресурсу: https://algoscale.com/blog/yolo-vs-ssd-which-one-is-a-superior-algorithm – Дата доступу: 14.04.2023.
3 YOLOv4: Optimal Speed and Accuracy of Object Detection [Науково-технічний ресурс] – Режим доступу до ресурсу: https://arxiv.org/abs/2004.10934 – Дата доступу: 14.04.2023. Дата публікації: 21.04.2020.
4 YOLOv5 Documentation [Електронний ресурс] – Режим доступу до ресурсу: https://docs.ultralytics.com/ – Дата доступу: 14.04.2023
5 Хмарні обчислення – Вікіпедія [Електронний ресурс] – Режим доступу до ресурсу: https://uk.wikipedia.org/wiki/Хмарні_обчислення – Дата доступу: 01.03.2023
6 Характеристики хмарних обчислень за NIST [Електронний ресурс] – Режим доступу до ресурсу: https://timesofcloud.com/cloud-tutorial/characteristics-of-cloud-computing-as-per-nist – Дата доступу: 01.03.2023
7 Характеристики хмарних обчислень [Електронний ресурс] – Режим доступу до ресурсу: https://coggle.it/diagram/WNtfITPg0gABaMkZ/t/характеристики-хмарних-обчислень – Дата доступу: 01.03.2023
8 Хмарна піраміда: IaaS, PaaS і SaaS [Електронний ресурс] – Режим доступу до ресурсу: https://gigacloud.ua/blog/navchannja/hmarna-piramida-iaas-paas-i-saas – Дата доступу: 01.03.2023
9 Чотири найкращі хмарні моделі розгортання [Електронний ресурс] – Режим доступу до ресурсу: https://www.sam-solutions.com/blog/four-best-cloud-deployment-models-you-need-to-know– Дата доступу: 01.03.2023
10 Streaming Video over the Internet: Approaches and Directions [Електронний ресурс] – Режим доступу до ресурсу: https://web.engr.oregonstate.edu/~thinhq/teaching/ece599/papers/wu01streaming.pdf – Дата доступу: 01.03.2023
11 Cloud-Based Video Streaming Services: A Survey [Науково-технічний ресурс] – Режим доступу до ресурсу: https://arxiv.org/abs/2011.14976 – Дата доступу: 14.04.2023. Дата публікації: 30.11.2020
12 Correcting the IoT History [Електронний ресурс] – Режим доступу до ресурсу: http://www.chetansharma.com/correcting-the-iot-history – Дата доступу: 01.03.2023
13 Smart networks for control [Електронний ресурс] – Режим доступу до ресурсу: https://ieeexplore.ieee.org/document/284793 – Дата доступу: 01.03.2022
14. The smart home: a glossary guide for the perplexed [Електронний ресурс] – Режим доступу до ресурсу: https://www.t3.com/features/the-smart-home-guide – Дата доступу: 01.03.2023
15 Machine Learning with Applications: Volume 6 [Науково-технічний ресурс] – Режим доступу до ресурсу: https://doi.org/10.1016/j.mlwa.2021.100134 – Дата доступу: 14.04.2023. Дата публікації: 15.12.2021
16  Microsoft COCO: Common Objects in Context [Електронний ресурс] – Режим доступу до ресурсу: https://arxiv.org/abs/1405.0312 – Дата доступу: 01.03.2023
17 Face Recognition Pipeline Clearly Explained [Електронний ресурс] – Режим доступу до ресурсу: https://medium.com/backprop-labs/face-recognition-pipeline-clearly-explained-f57fc0082750 – Дата доступу: 01.03.2023
18 DeepFace: Closing the Gap to Human-Level Performance in Face Verification [Електронний ресурс] – Режим доступу до ресурсу: https://research.facebook.com/file/266870805034649/deepface-closing-the-gap-to-human-level-performance-in-face-verification.pdf – Дата доступу: 01.03.2022
19 OpenFace: A general-purpose face recognition library with mobile applications [Електронний ресурс] – Режим доступу до ресурсу: http://reports-archive.adm.cs.cmu.edu/anon/anon/2016/CMU-CS-16-118.pdf – Дата доступу: 01.03.2023
20 Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments [Електронний ресурс] – Режим доступу до ресурсу: http://vis-www.cs.umass.edu/lfw/lfw.pdf – Дата доступу: 01.03.2023
21 MediaPipe Hands: On-device Real-time Hand Tracking [Науково-технічний ресурс] – Режим доступу до ресурсу: https://arxiv.org/abs/2006.10214– Дата доступу: 14.04.2023. Дата публікації: 18.06.2020
22 AWR: Adaptive Weighting Regression for 3D Hand Pose Estimation [Науково-технічний ресурс] – Режим доступу до ресурсу: https://arxiv.org/abs/2007.09590 – Дата доступу: 14.04.2023. Дата публікації: 19.07.2020
23 Детально про черги повідомлень (Message queue) [Електронний ресурс] – Режим доступу до ресурсу: https://uk.wikipedia.org/wiki/Черга_повідомлень – Дата доступу: 05.03.2023
24 Обробка потокової інформації [Електронний ресурс] – Режим доступу до ресурсу: http://apeps.kpi.ua/downloads/обробка%потоко вої%інформації.pdf – Дата доступу: 14.04.2023
25 Cloud Solutions, cloud architectures [Електронний ресурс] – Режим доступу до ресурсу: https://www.suse.com/suse-defines/definition/cloud-solutions/ – Дата доступу: 05.01.2023
26 What is the internet of things [Електронний ресурс] – Режим доступу до ресурсу: https://www.techtarget.com/iotagenda/definition/Internet-of-Things-IoT – Дата доступу: 10.01.2023
27 Internet of things [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Internet_of_things – Дата доступу: 02.03.2023
28 Інженерія даних (Data Enginering) [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Data_engineering – Дата доступу: 23.03.2023
29 What Is a Data Engineer? [Електронний ресурс] – Режим доступу до ресурсу: https://www.coursera.org/articles/what-does-a-data-engineer-do-and-how-do-i-become-one – Дата доступу: 01.01.2023
30 Data Engineering Concepts, Processes, and Tools [Електронний ресурс] – Режим доступу до ресурсу: https://www.altexsoft.com/blog/datascience/what-is-data-engineering-explaining-data-pipeline-data-warehouse-and-data-engineer-role/ – Дата доступу: 06.03.2023
31 How to Become a Data Engineer [Електронний ресурс] – Режим доступу до ресурсу: https://www.datacamp.com/blog/how-to-become-a-data-engineer – Дата доступу: 13.01.2023
32 Машинне навчання (Machine learning) [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Machine_learning – Дата доступу: 13.01.2023
33 Глибоке начання (Deep learning) [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Deep_learning – Дата доступу: 15.02.2023
34 What Is Deep Learning? [Електронний ресурс] – Режим доступу до ресурсу: https://www.mathworks.com/discovery/deep-learning.html – Дата доступу: 11.02.2023
35 Xмаро орієнтовані платформи, засоби і послуги [Науково-технічний ресурс] – Режим доступу до ресурсу: https://lib.iitta.gov.ua/716589/1/012-024_Damniskaya.pdf – Дата доступу: 17.04.2023. Дата публікації: 01.02.2019
36 Amazon Web Services [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Amazon_Web_Services – Дата доступу: 11.01.2023
37 Google Cloud Platform [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Google_Cloud_Platform – Дата доступу: 11.04.2023
38 Google Cloud vs AWS [Електронний ресурс] – Режим доступу до ресурсу: https://www.guru99.com/google-cloud-vs-aws.html. – Дата доступу: 02.05.2023
39 Apache kafka [Електронний ресурс] – Режим доступу до ресурсу: https://ru.wikipedia.org/wiki/Apache_Kafka – Дата доступу: 14.04.2023
40 Kafka introduction [Електронний ресурс] – Режим доступу до ресурсу: https://kafka.apache.org/intro – Дата доступу: 14.02.2023
41 What is a Kafka Topic [Електронний ресурс] – Режим доступу до ресурсу: https://hevodata.com/learn/kafka-topic/ – Дата доступу: 14.02.2023
42 Реплікація Кафка (Kafka Replication) [Електронний ресурс] – Режим доступу до ресурсу: https://hevodata.com/learn/kafka-replication/. – Дата доступу: 15.02.2023
43 What does In-Sync Replicas in Apache Kafka Really Mean? [Електронний ресурс] – Режим доступу до ресурсу: https://www.cloudkarafka.com/blog/what-does-in-sync-in-apache-kafka-really-mean.html – Дата доступу: 13.01.2023
44 How ISR work in Apache Kafka [Електронний ресурс] – Режим доступу до ресурсу: https://www.conduktor.io/blog/how-replication-and-isr-work-in-kafka/ – Дата доступу: 14.01.2023
45 What is a consumer group in Kafka? [Електронний ресурс] – Режим доступу до ресурсу: https://dev.to/de_maric/what-is-a-consumer-group-in-kafka-49il – Дата доступу: 21.02.2023
46 Understanding Kafka Consumer Offset [Електронний ресурс] – Режим доступу до ресурсу: https://dattell.com/data-architecture-blog/understanding-kafka-consumer-offset/ – Дата доступу: 27.04.2023
47 Apache ZooKeeper service [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Apache_ZooKeeper – Дата доступу: 27.04.2023
48 FIFO, Exactly-Once, and Other Costs [Електронний ресурс] – Режим доступу до ресурсу: https://dzone.com/articles/fifo-exactly-once-and-other-costs – Дата доступу: 28.04.2023
49 Amazon Managed Streaming for Apache Kafka (MSK) [Електронний ресурс] – Режим доступу до ресурсу: https://aws.amazon.com/msk/?nc1=h_ls – Дата доступу: 11.04.2023
50 Amazon Kinesis [Електронний ресурс] – Режим доступу до ресурсу: https://aws.amazon.com/kinesis/ – Дата доступу: 05.05.2023
51 What is AWS Kinesis (Amazon Kinesis Data Streams)? [Електронний ресурс] – Режим доступу до ресурсу: https://k21academy.com/amazon-web-services/amazon-kinesis/ – Дата доступу: 14.01.2023
52 Міжнародні стандарти впровадження принципів соціальної відповідальності [Електронний ресурс] – Режим доступу до ресурсу: https://dut.edu.ua/uploads/p_1010_91031876.pdf – Дата доступу: 05.05.2023
53 Підвищення стійкості об’єктів господарської діяльності в умовах НС [Електронний ресурс] – Режим доступу до ресурсу: http://opcb.kpi.ua/wp-content/uploads/2014/09/Лекц_я-4.pdf – Дата доступу: 04.05.2023
54 Дії населення в умовах надзвичайних ситуацій воєнного характеру [Електронний ресурс] – Режим доступу до ресурсу: https://dsns.gov.ua/uk/abetka-bezpeki/diyi-naselennya-v-umovax-nadzvicainix-situacii-vojennogo-xarakteru – Дата доступу: 05.05.2023
55 Надзвичайні ситуації та їх класифікація. Реферат [Електронний ресурс] – Режим доступу до ресурсу: https://osvita.ua/vnz/reports/bjd/22895/ – Дата доступу: 05.05.2023
56 Класифікатор надзвичайних ситуацій [Електронний ресурс] – Режим доступу до ресурсу: https://zakon.rada.gov.ua/rada/show/va457609-10#Text – Дата доступу: 05.05.2023
57 Стійкість роботи промислових об’єктів у надзвичайних ситуаціях [Електронний ресурс] – Режим доступу до ресурсу: https://org2.knuba.edu.ua/pluginfile.php/114575/mod_resource/content/1/Лекція_№4.pdf – Дата доступу: 05.05.2023
58 Тема 14. Підвищення стійкості роботи об'єкта господарювання [Електронний ресурс] – Режим доступу до ресурсу: https://studfile.net/preview/5563647/ – Дата доступу: 05.05.2023
Content type: Master Thesis
Asub kollektsiooni(de)s:122 — комп’ютерні науки

Failid selles objektis:
Fail Kirjeldus SuurusFormaat 
Mag_2023_SNnm_61_Lisovskyi_Zelinskyi.pdf3,34 MBAdobe PDFVaata/Ava


Kõik teosed on Dspaces autoriõiguste kaitse all.

Admin vahendid