1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 121 — інженерія програмного забезпечення
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/44461
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.advisorПетрик, Михайло Романович-
dc.contributor.authorЦебрій, Олексій Романович-
dc.contributor.authorTsebriy, Oleksiy-
dc.date.accessioned2024-02-06T10:49:07Z-
dc.date.available2024-02-06T10:49:07Z-
dc.date.issued2023-12-
dc.date.submitted2023-12-
dc.identifier.citationЦебрій О. Р. Розробка інформаційної системи контролю самостійного тестування COVID на основі нейронних згорткових глибоких мереж : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „121 — інженерія програмного забезпечення“ / О. Р. Цебрій. — Тернопіль: ТНТУ, 2023. — 81 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/44461-
dc.description.abstractМетою роботи є створення системи для контролю проведення самостійних тестів на COVID-19 з використанням нейронних згорткових глибоких мереж. Використання передових технологій, таких як YOLOv5, MediaPipe Face Mesh та FastAPI, забезпечує високу ефективність та точність системи.uk_UA
dc.description.abstractThe aim of the work is to create a system for monitoring self-administered COVID19 tests using convolutional neural networks. The utilization of cutting-edge technologies such as YOLOv5, MediaPipe Face Mesh, and FastAPI ensures high efficiency and accuracy of the system.uk_UA
dc.description.tableofcontentsЗМІСТ РЕФЕРАТ ABSTRACT 4 ПЕРЕЛІК СКОРОЧЕНЬ 7 ВСТУП 8 1 АНАЛІЗ ПРЕДМЕНОЇ ОБЛАСТІ 11 1.1 Аналіз попередніх досліджень у сфері автоматизованого збору біологічних зразків 11 1.2 Вивчення використовуваних алгоритмів та технологій 14 1.3 Ідентифікація невирішених аспектів та проблем області 15 1.4 Методологія 16 2 ВИКОРИСТОВУВАНІ МЕТОДИ ТА ТЕХНІЧНІ РІШЕНЯ 18 2.1 Розробка та оптимізація алгоритму обробки зображень та взаємодії з користувачем 20 2.2 Проектування алгоритму 21 2.3 Модель алгоритму 29 2.4 Перебіг обробки даних 30 3 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 34 3.1 Охорона праці 34 3.2 Фактори ризику і можливості ураження здоров'я користувачів комп'ютерів 36 ВИСНОВКИ 40 ПЕРЕЛІК ПОСИЛАНЬ 41 ДОДАТКИ 43 Додаток А – Наукові публікації 44 Додаток Б – Код проекту 52uk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject121uk_UA
dc.subjectінженерія програмного забезпеченняuk_UA
dc.subjectнейронні згорткові глибокі мережіuk_UA
dc.subjectCOVID-19uk_UA
dc.subjectмобільний додатокuk_UA
dc.subjectMediaPipe Face Meshuk_UA
dc.subjectбіологічні зразкиuk_UA
dc.subjectYOLOv5uk_UA
dc.subjectмедичні дослідженняuk_UA
dc.subjectFastAPIuk_UA
dc.titleРозробка інформаційної системи контролю самостійного тестування COVID на основі нейронних згорткових глибоких мережuk_UA
dc.title.alternativeDevelopment of an information control system for self-testing of COVID based on neural convolutional deep networksuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Цебрій Олексій Романович, 2023uk_UA
dc.contributor.committeeMemberОсухівська, Галина Богданівна-
dc.coverage.placenameТернопільuk_UA
dc.subject.udc004.9uk_UA
dc.relation.references1. Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. You Only Look Once: Unified, Real-Time Object Detection. Відомості про конференцію з комп'ютерного бачення та розпізнавання образів IEEE. 2016. С. 779-788.uk_UA
dc.relation.references2. Howard, A. G., Zhu, M., Chen, B., Kalenichenko, D., Wang, W., Weyand, T., ... & Adam, H. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. arXiv preprint arXiv:1704.04861. 2017.uk_UA
dc.relation.references3. Bradski, G. The OpenCV Library. Dr. Dobb's Journal of Software Tools. 2000. С. 120.uk_UA
dc.relation.references4. ISO/IEC 19794-5:2005. Information technology — Biometric data interchange formats — Part 5: Face image data. Женева: ISO, 2005.uk_UA
dc.relation.references5. "YOLOv5: Scalable Object Detection in Image and Video". [Електронний ресурс] URL: https://arxiv.org/abs/2106.09920 (дата звернення: 08.08.2023).uk_UA
dc.relation.references6. "MediaPipe: A Framework for Building Perception Pipelines". [Електронний ресурс] URL: https://google.github.io/mediapipe/ (дата звернення: 08.08.2023).uk_UA
dc.relation.references7. "OpenCV: Open Source Computer Vision Library". [Електронний ресурс] URL: https://opencv.org/ (дата звернення: 08.08.2023)uk_UA
dc.relation.references8. "Shapely: Manipulation and analysis of geometric objects". [Електронний ресурс] URL: https://pypi.org/project/Shapely/ (дата звернення: 08.08.2023).uk_UA
dc.relation.references9. "FastAPI: A modern, fast (high-performance), web framework for building APIs with Python 3.6+ based on standard Python type hints". [Електронний ресурс] URL: https://fastapi.tiangolo.com/ (дата звернення: 08.08.2023).uk_UA
dc.relation.references10. "Automated Biological Sample Collection using Convolutional Neural Networks: A Review". [Електронний ресурс] URL: https://www.researchgate.net/publication/334417045_Automated_Biological_Sample_ Collection_using_Convolutional_Neural_Networks_A_Review (дата звернення: 08.08.2023).uk_UA
dc.relation.references11. Goodfellow, I., Bengio, Y., & Courville, A. Deep Learning. MIT Press. 2016. 775 с.uk_UA
dc.relation.references12. Krizhevsky, A., Sutskever, I., & Hinton, G. E. ImageNet Classification with Deep Convolutional Neural Networks. Advances in neural information processing systems. 2012. С. 1097-1105.uk_UA
dc.relation.references13. He, K., Zhang, X., Ren, S., & Sun, J. Deep Residual Learning for Image Recognition. Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. С. 770-778.uk_UA
dc.relation.references14. Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., ... & Rabinovich, A. Going Deeper with Convolutions. Proceedings of the IEEE conference on computer vision and pattern recognition. 2015. С. 1-9.uk_UA
dc.relation.references15. LeCun, Y., Bengio, Y., & Hinton, G. Deep learning. Nature. 2015. Т. 521. № 7553. С. 436-444.uk_UA
dc.relation.references16. Основи охорони праці: Навч. посіб. / Воронов І.О., Коваленко І.Д., Афанасьєв П.В., Булгач Т.В. – К.: Генеза, 2004. – С.96 – 116uk_UA
dc.relation.references17. Гандзюк М.П., Желібо Є.П., Халімовський М.О. Основи охорони праці.- Київ: Вища освіта в Україні, 2013. – С.200 – 244uk_UA
dc.relation.references18. В.М. Іванов, О.І. Петренко, С.А. Сидоренко.\ Охорона праці: Навч. посібник для студентів вищих навчальних закладів – К.: Центр учбової літератури, 2017. – С. 120–150.uk_UA
dc.relation.references19. Л.В. Завадська, Л.О. Кузьменко, О.А. Савченко. \ Системи управління охороною праці: Навч. посібник – К.: Літера ЛТД, 2018. – С. 80–105.uk_UA
dc.relation.references20. В.І. Григоренко, О.М. Литвиненко, І.В. Семенов. \ Охорона праці та техніка безпеки в промисловості – К.: Техніка, 2019. – С. 160–185.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.coverage.countryUAuk_UA
Розташовується у зібраннях:121 — інженерія програмного забезпечення

Файли цього матеріалу:
Файл Опис РозмірФормат 
dyplom_Tsebriy_O_2023.pdf1,26 MBAdobe PDFПереглянути/відкрити
Показати базовий опис матеріалу Перегляд статистики


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

Інструменти адміністратора