Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/41162
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.advisorНикитюк, Вячеслав Вячеславович-
dc.contributor.authorЗелінський, Андрій Олегович-
dc.contributor.authorZelinskyi, Andrii Olegovych-
dc.contributor.authorЛісовський, Владислав Володимирович-
dc.contributor.authorLisovskyi, Vladyslav Volodomyrovych-
dc.date.accessioned2023-05-25T14:00:21Z-
dc.date.available2023-05-25T14:00:21Z-
dc.date.issued2023-05-23-
dc.date.submitted2023-05-09-
dc.identifier.citationЗелінський 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.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/41162-
dc.description.abstractКваліфікаційна 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.uk_UA
dc.description.tableofcontentsВступ 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 Додаткиuk_UA
dc.language.isoukuk_UA
dc.subjectхмараuk_UA
dc.subjectclouduk_UA
dc.subjectзображенняuk_UA
dc.subjectimagesuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectmachine learninguk_UA
dc.subjectрозпізнавання об’єктівuk_UA
dc.subjectobject detectionuk_UA
dc.subjectсерверuk_UA
dc.subjectserveruk_UA
dc.subjectкомп’ютерне баченняuk_UA
dc.subjectcomputer visionuk_UA
dc.subjectkinesisuk_UA
dc.titleРозробка програмного продукту на основі хмарної архітектури для машинного аналізу зображень (комплексна тема)uk_UA
dc.title.alternativeSoftware Development Based On Cloud Architecture for Analysis of Machine Imagesuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Зелінський Андрій Олегович, Лісовський Владислав Володимирович, 2023uk_UA
dc.contributor.committeeMemberОсухівська, Галина Михайлівна-
dc.coverage.placenameТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Українаuk_UA
dc.subject.udc004.891uk_UA
dc.relation.references1 SSD: Single Shot MultiBox Detector [Електронний ресурс] – Режим доступу до ресурсу: https://arxiv.org/pdf/1512.02325v5.pdf – Дата доступу: 14.04.2023.uk_UA
dc.relation.references2 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.uk_UA
dc.relation.references3 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.uk_UA
dc.relation.references4 YOLOv5 Documentation [Електронний ресурс] – Режим доступу до ресурсу: https://docs.ultralytics.com/ – Дата доступу: 14.04.2023uk_UA
dc.relation.references5 Хмарні обчислення – Вікіпедія [Електронний ресурс] – Режим доступу до ресурсу: https://uk.wikipedia.org/wiki/Хмарні_обчислення – Дата доступу: 01.03.2023uk_UA
dc.relation.references6 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: 01.03.2023uk_UA
dc.relation.references7 Характеристики хмарних обчислень [Електронний ресурс] – Режим доступу до ресурсу: https://coggle.it/diagram/WNtfITPg0gABaMkZ/t/характеристики-хмарних-обчислень – Дата доступу: 01.03.2023uk_UA
dc.relation.references8 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: 01.03.2023uk_UA
dc.relation.references9 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: 01.03.2023uk_UA
dc.relation.references10 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: 01.03.2023uk_UA
dc.relation.references11 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: 30.11.2020uk_UA
dc.relation.references12 Correcting the IoT History [Електронний ресурс] – Режим доступу до ресурсу: http://www.chetansharma.com/correcting-the-iot-history – Дата доступу: 01.03.2023uk_UA
dc.relation.references13 Smart networks for control [Електронний ресурс] – Режим доступу до ресурсу: https://ieeexplore.ieee.org/document/284793 – Дата доступу: 01.03.2022uk_UA
dc.relation.references14. 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: 01.03.2023uk_UA
dc.relation.references15 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: 15.12.2021uk_UA
dc.relation.references16  Microsoft COCO: Common Objects in Context [Електронний ресурс] – Режим доступу до ресурсу: https://arxiv.org/abs/1405.0312 – Дата доступу: 01.03.2023uk_UA
dc.relation.references17 Face Recognition Pipeline Clearly Explained [Електронний ресурс] – Режим доступу до ресурсу: https://medium.com/backprop-labs/face-recognition-pipeline-clearly-explained-f57fc0082750 – Дата доступу: 01.03.2023uk_UA
dc.relation.references18 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: 01.03.2022uk_UA
dc.relation.references19 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: 01.03.2023uk_UA
dc.relation.references20 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: 01.03.2023uk_UA
dc.relation.references21 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: 18.06.2020uk_UA
dc.relation.references22 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: 19.07.2020uk_UA
dc.relation.references23 Детально про черги повідомлень (Message queue) [Електронний ресурс] – Режим доступу до ресурсу: https://uk.wikipedia.org/wiki/Черга_повідомлень – Дата доступу: 05.03.2023uk_UA
dc.relation.references24 Обробка потокової інформації [Електронний ресурс] – Режим доступу до ресурсу: http://apeps.kpi.ua/downloads/обробка%потоко вої%інформації.pdf – Дата доступу: 14.04.2023uk_UA
dc.relation.references25 Cloud Solutions, cloud architectures [Електронний ресурс] – Режим доступу до ресурсу: https://www.suse.com/suse-defines/definition/cloud-solutions/ – Дата доступу: 05.01.2023uk_UA
dc.relation.references26 What is the internet of things [Електронний ресурс] – Режим доступу до ресурсу: https://www.techtarget.com/iotagenda/definition/Internet-of-Things-IoT – Дата доступу: 10.01.2023uk_UA
dc.relation.references27 Internet of things [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Internet_of_things – Дата доступу: 02.03.2023uk_UA
dc.relation.references28 Інженерія даних (Data Enginering) [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Data_engineering – Дата доступу: 23.03.2023uk_UA
dc.relation.references29 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: 01.01.2023uk_UA
dc.relation.references30 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: 06.03.2023uk_UA
dc.relation.references31 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: 13.01.2023uk_UA
dc.relation.references32 Машинне навчання (Machine learning) [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Machine_learning – Дата доступу: 13.01.2023uk_UA
dc.relation.references33 Глибоке начання (Deep learning) [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Deep_learning – Дата доступу: 15.02.2023uk_UA
dc.relation.references34 What Is Deep Learning? [Електронний ресурс] – Режим доступу до ресурсу: https://www.mathworks.com/discovery/deep-learning.html – Дата доступу: 11.02.2023uk_UA
dc.relation.references35 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: 01.02.2019uk_UA
dc.relation.references36 Amazon Web Services [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Amazon_Web_Services – Дата доступу: 11.01.2023uk_UA
dc.relation.references37 Google Cloud Platform [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Google_Cloud_Platform – Дата доступу: 11.04.2023uk_UA
dc.relation.references38 Google Cloud vs AWS [Електронний ресурс] – Режим доступу до ресурсу: https://www.guru99.com/google-cloud-vs-aws.html. – Дата доступу: 02.05.2023uk_UA
dc.relation.references39 Apache kafka [Електронний ресурс] – Режим доступу до ресурсу: https://ru.wikipedia.org/wiki/Apache_Kafka – Дата доступу: 14.04.2023uk_UA
dc.relation.references40 Kafka introduction [Електронний ресурс] – Режим доступу до ресурсу: https://kafka.apache.org/intro – Дата доступу: 14.02.2023uk_UA
dc.relation.references41 What is a Kafka Topic [Електронний ресурс] – Режим доступу до ресурсу: https://hevodata.com/learn/kafka-topic/ – Дата доступу: 14.02.2023uk_UA
dc.relation.references42 Реплікація Кафка (Kafka Replication) [Електронний ресурс] – Режим доступу до ресурсу: https://hevodata.com/learn/kafka-replication/. – Дата доступу: 15.02.2023uk_UA
dc.relation.references43 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: 13.01.2023uk_UA
dc.relation.references44 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: 14.01.2023uk_UA
dc.relation.references45 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: 21.02.2023uk_UA
dc.relation.references46 Understanding Kafka Consumer Offset [Електронний ресурс] – Режим доступу до ресурсу: https://dattell.com/data-architecture-blog/understanding-kafka-consumer-offset/ – Дата доступу: 27.04.2023uk_UA
dc.relation.references47 Apache ZooKeeper service [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Apache_ZooKeeper – Дата доступу: 27.04.2023uk_UA
dc.relation.references48 FIFO, Exactly-Once, and Other Costs [Електронний ресурс] – Режим доступу до ресурсу: https://dzone.com/articles/fifo-exactly-once-and-other-costs – Дата доступу: 28.04.2023uk_UA
dc.relation.references49 Amazon Managed Streaming for Apache Kafka (MSK) [Електронний ресурс] – Режим доступу до ресурсу: https://aws.amazon.com/msk/?nc1=h_ls – Дата доступу: 11.04.2023uk_UA
dc.relation.references50 Amazon Kinesis [Електронний ресурс] – Режим доступу до ресурсу: https://aws.amazon.com/kinesis/ – Дата доступу: 05.05.2023uk_UA
dc.relation.references51 What is AWS Kinesis (Amazon Kinesis Data Streams)? [Електронний ресурс] – Режим доступу до ресурсу: https://k21academy.com/amazon-web-services/amazon-kinesis/ – Дата доступу: 14.01.2023uk_UA
dc.relation.references52 Міжнародні стандарти впровадження принципів соціальної відповідальності [Електронний ресурс] – Режим доступу до ресурсу: https://dut.edu.ua/uploads/p_1010_91031876.pdf – Дата доступу: 05.05.2023uk_UA
dc.relation.references53 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: 04.05.2023uk_UA
dc.relation.references54 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: 05.05.2023uk_UA
dc.relation.references55 Надзвичайні ситуації та їх класифікація. Реферат [Електронний ресурс] – Режим доступу до ресурсу: https://osvita.ua/vnz/reports/bjd/22895/ – Дата доступу: 05.05.2023uk_UA
dc.relation.references56 Класифікатор надзвичайних ситуацій [Електронний ресурс] – Режим доступу до ресурсу: https://zakon.rada.gov.ua/rada/show/va457609-10#Text – Дата доступу: 05.05.2023uk_UA
dc.relation.references57 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: 05.05.2023uk_UA
dc.relation.references58 Тема 14. Підвищення стійкості роботи об'єкта господарювання [Електронний ресурс] – Режим доступу до ресурсу: https://studfile.net/preview/5563647/ – Дата доступу: 05.05.2023uk_UA
dc.contributor.affiliationТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Українаuk_UA
dc.coverage.countryUAuk_UA
Розташовується у зібраннях:122 — комп’ютерні науки

Файли цього матеріалу:
Файл Опис РозмірФормат 
Mag_2023_SNnm_61_Lisovskyi_Zelinskyi.pdf3,34 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора