Veuillez utiliser cette adresse pour citer ce document :
http://elartu.tntu.edu.ua/handle/lib/48151Affichage complet
| Élément Dublin Core | Valeur | Langue |
|---|---|---|
| dc.contributor.advisor | Дедів, Ірина Юріївна | - |
| dc.contributor.advisor | Dediv, Iryna | - |
| dc.contributor.author | Брегін, Сергій Ігорович | - |
| dc.contributor.author | Bregin, Serhiy | - |
| dc.date.accessioned | 2024-12-28T13:21:11Z | - |
| dc.date.available | 2024-12-28T13:21:11Z | - |
| dc.date.issued | 2024-12 | - |
| dc.date.submitted | 2024-12 | - |
| dc.identifier.citation | Брегін С.І. Метод інтелектуального розпізнавання зображень для підвищення ефективності систем машинного зору : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „172 — телекомунікації та радіотехніка“ / С.І. Брегін . — Тернопіль: ТНТУ, 2024. — 69 с. | uk_UA |
| dc.identifier.uri | http://elartu.tntu.edu.ua/handle/lib/48151 | - |
| dc.description.abstract | В роботі обгрунтовано метод інтелектуального розпізнавання зображень для підвищення ефективності систем машинного зору. Розглянуто технологію машинного навчання, як одного із підрозділів штучного інтелекту. Наведено підходи до організації класифікації із використанням машинного навчання. Показано, що для задач розпізнавання зображень або мови найбільш підходящим методом класифікації стає використання нейромереж. Розглянуто принципи функціонування нейромереж, зокрема із застосуванням глибокого навчання. Було розроблено алгоритм для розпізнавання зображень, що використовує ансамбль нейромереж із застосуванням двох типів додаткового класифікатора. Показано ефективність роботи таких мереж. | uk_UA |
| dc.description.abstract | The paper substantiates the method of intelligent image recognition to increase of the machine vision systems efficiency. The technology of machine learning is considered as one of the subdivisions of artificial intelligence. Approaches to organizing classification using machine learning are presented. It is shown that for image or language recognition tasks, the most suitable classification method is the use of neural networks. The principles of functioning of neural networks are considered, in particular with the use of deep learning. An algorithm for image recognition was developed that uses an ensemble of neural networks consisting of two multilayer perceptrons and 4 deep convolutional networks, and with the use of two types of additional classifier. The efficiency of such networks is shown. | uk_UA |
| dc.description.tableofcontents | ВСТУП 8 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 10 1.1 Поняття машинного зору 10 1.2 Принцип функціонування машинного зору 12 1.3 Структура систем ML 16 1.4 Класи нейромереж 21 1.5 Архітектура нейромереж 23 1.6 Створення, ініціалізація та моделювання мережі 25 1.7 Персептрони 28 1.8 Аналіз поширених бібліотек 30 1.9 Висновки до розділу 1 32 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 33 2.1 Алгоритм класифікації зображень 33 2.2 Архітектура алгоритму 37 2.3 Висновки до розділу 2 37 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 38 3.1 Вихідні дані 38 3.2 Попередня обробка даних 39 3.3 Тестовий алгоритм розпізнавання зображень в Matlab 40 3.4 Результати окремих моделей 44 3.5 Висновки до розділу 3 49 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 51 4.1 Охорона праці 51 4.2 Безпека в надзвичайних ситуаціях 53 4.3 Висновки до розділу 55 ВИСНОВКИ 56 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ 57 ДОДАТКИ | uk_UA |
| dc.language.iso | uk | uk_UA |
| dc.publisher | Тернопільський національний технічний університет імені Івана Пулюя | uk_UA |
| dc.subject | 172 | uk_UA |
| dc.subject | телекомунікації та радіотехніка | uk_UA |
| dc.subject | нейромережа | uk_UA |
| dc.subject | зображення | uk_UA |
| dc.subject | класифікатор | uk_UA |
| dc.subject | neural network | uk_UA |
| dc.subject | image | uk_UA |
| dc.subject | classifier | uk_UA |
| dc.title | Метод інтелектуального розпізнавання зображень для підвищення ефективності систем машинного зору | uk_UA |
| dc.title.alternative | Intelligent image recognition method to improve of the machine vision systems efficiency | uk_UA |
| dc.type | Master Thesis | uk_UA |
| dc.rights.holder | © Брегін Сергій Ігорович, 2024 | uk_UA |
| dc.contributor.committeeMember | Тимків, Павло Олександрович | - |
| dc.contributor.committeeMember | Tymkiv, Pavlo | - |
| dc.coverage.placename | Тернопільський національний технічний університет імені Івана Пулюя | uk_UA |
| dc.subject.udc | 621.395.625.6 | uk_UA |
| dc.relation.references | 1. Al-Azawi M. A. N. Neural Network Based Automatic Traffic Signs Recognition //International Journal of Digital Information and Wireless Communications (IJDIWC). – 2011. – Т. 1. – №. 4. – С. 753-766. | uk_UA |
| dc.relation.references | 2. Baldi P. Autoencoders, Unsupervised Learning, and Deep Architectures //ICML Unsupervised and Transfer Learning. – 2012. – Т. 27. – С. 37-50. | uk_UA |
| dc.relation.references | 3. Bahlmann C. et al. A system for traffic sign detection, tracking, and recognition using color, shape, and motion information //Intelligent Vehicles Symposium, 2005. Proceedings. IEEE. – IEEE, 2005. – С. 255-260. | uk_UA |
| dc.relation.references | 4. Bastien F. et al. Theano: new features and speed improvements //arXiv preprint arXiv:1211.5590. – 2012. | uk_UA |
| dc.relation.references | 5. Bengio Y., Goodfellow I., Courville A . Deep Learning. – MIT Press, book in preparation | uk_UA |
| dc.relation.references | 6. Bergstra J. et al. Theano: A CPU and GPU math compiler in Python //Proc. 9th Python in Science Conf. – 2010. – С. 1-7. | uk_UA |
| dc.relation.references | 7. Broggi A. et al. Real time road signs recognition //Intelligent Vehicles Symposium, 2007 IEEE. – IEEE, 2007. – С. 981-986. | uk_UA |
| dc.relation.references | 8. Canny J. A computational approach to edge detection //Pattern Analysis and Machine Intelligence, IEEE Transactions on. – 1986. – №. 6. – С. 679-698. | uk_UA |
| dc.relation.references | 9. Ciresan D., Meier U., Schmidhuber J. Multi-column deep neural networks for image classification //Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on. – IEEE, 2012. – С. 3642-3649. | uk_UA |
| dc.relation.references | 10. Ciresan D. et al. A committee of neural networks for traffic sign classification //Neural Networks (IJCNN), The 2011 International Joint Conference on. – IEEE, 2011. – С. 1918-1921. | uk_UA |
| dc.relation.references | 11. Cireşan D. C. et al. Deep big multilayer perceptrons for digit recognition //Neural Networks: Tricks of the Trade. – Springer Berlin Heidelberg, 2012. – С. 581-598. | uk_UA |
| dc.relation.references | 12. Daugman J. G. Complete discrete 2-D Gabor transforms by neural networks for image analysis and compression //Acoustics, Speech and Signal Processing, IEEE Transactions on. – 1988. – Т. 36. – №. 7. – С. 1169-1179. | uk_UA |
| dc.relation.references | 13. Gao X. W. et al. Recognition of traffic signs based on their colour and shape features extracted using human vision models //Journal of Visual Communication and Image Representation. – 2006. – Т. 17. – №. 4. – С. 675-685. | uk_UA |
| dc.relation.references | 14. Goodfellow I. J. et al. Pylearn2: a machine learning research library //arXiv preprint arXiv:1308.4214. – 2013. | uk_UA |
| dc.relation.references | 15. Han J., Kamber M., Pei J. Data mining: Concepts and techniques. – Morgan kaufmann, 2006. | uk_UA |
| dc.relation.references | 16. Harris C., Stephens M. A combined corner and edge detector //Alvey vision conference. – 1988. – Т. 15. – С. 50. | uk_UA |
| dc.relation.references | 17. Houben S. et al. Detection of traffic signs in real-world images: The German Traffic Sign Detection Benchmark //Neural Networks (IJCNN), The 2013 International Joint Conference on. – IEEE, 2013. – С. 1-8. | uk_UA |
| dc.relation.references | 18. Huang F. J., LeCun Y. Large-scale learning with svm and convolutional netw for generic object recognition //2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 2006. | uk_UA |
| dc.relation.references | 19. Huttenlocher D. P., Ullman S. Object recognition using alignment //Proc. ICCV. – 1987. – Т. 87. – С. 102-111. | uk_UA |
| dc.relation.references | 20. Jia, Yangqing. "Caffe: An open source convolutional architecture for fast feature embedding." h ttp://caffe. berkeleyvision. org (2013). | uk_UA |
| dc.relation.references | 21. 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.references | 22. Lafuente-Arroyo S. et al. Traffic sign classification invariant to rotations using support vector machines //Proceedings of Advabced Concepts for Intelligent Vision Systems, Brussels, Belgium. – 2004. | uk_UA |
| dc.relation.references | 23. LeCun Y., Bengio Y. Convolutional networks for images, speech, and time series //The handbook of brain theory and neural networks. – 1995. – Т. 3361. – С. 310. | uk_UA |
| dc.relation.references | 24. Математичне та комп’ютерне моделювання електрокардіосиґналів у системах голтерівського моніторинґу / Л.Є. Дедів, А.С. Сверстюк, І.Ю. Дедів, М.О. Хвостівський, В.Г. Дозорський, Є.Б. Яворська. – Львів: Видавництво «Магнолія - 2006», 2021. – 120 с. ISBN 978- 617-574-218-1 | uk_UA |
| dc.relation.references | 25. Математичне моделювання, методи та програмне забезпечення опрацювання дихальних шумів у комп'ютерних аускультативних діагностичних системах / І.Ю. Дедів, А.С. Сверстюк, Л.Є. Дедів, В.Г. Дозорський, М.О. Хвостівський. – Львів: Видавництво «Магнолія - 2006», 2021. – 126 с. ISBN 978-617-574-219-8 | uk_UA |
| dc.relation.references | 26. Методичні рекомендації з оформлення кваліфікаційних робіт бакалавра за спеціальністю 172 «Телекомунікації та радіотехніка» уклад.: Дунець В.Л., Хвостівський М.О. Дедів І.Ю. Тернопіль: ТНТУ імені Івана Пулюя, 2021 р. – 72с. | uk_UA |
| dc.relation.references | 27. Дозорський В.Г., Дозорська О.Ф., Дедів Л.Є., Дедів І.Ю., Паньків І.М., Яворська Є.Б. Структура системи відбору біосигналів для задачі 61 відновлення комунікативної функції людини. Вісник Хмельницького національного університету: технічні науки. – Хмельницький: редакція журналу "Вісник Хмельницького національного університету". – 2019. - №2(271) – с. 183-186. | uk_UA |
| dc.relation.references | 28. Khvostivska L.V., Osukhivska H.M., Khvostivskyi M.O., Dediv S.Y. Development of methods and algorithms for a stochastic biomedical signal period calculation in medical computer diagnostic systems. Visnyk NTUU KPI Seriia - Radiotekhnika Radioaparatobuduvannia, /Категорія В/ 2019. Вип. 79. С. 78-84. doi: 10.20535/RADAP.2019.79.78-84. | uk_UA |
| dc.relation.references | 29. Dozorska O., Yavorska E., Dozorskyi V., Pankiv I., Dediv L. Dediv I. The Method of Indirect Restoration of Human Communicative Function. Proc. of the 15th International Conference on the Experience of Designing and Application of CAD Systems (CADSM), CADSM'2019, (pp. 19–22). Polyana-Svalyava (Zakarpattya), UKRAINE 978-1-7281-0053-1/19. | uk_UA |
| dc.relation.references | 30. Дозорська О.Ф., Яворська Є.Б., Дозорський В.Г., Дедів Л.Є., Дедів І.Ю. Метод виявлення ознак основного тону в структурі електроміографічних сигналів для задачі компенсації порушеної комунікативної функції людини», Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування, (81), с. 56- 64. doi: 10.20535/RADAP.2020.81.56-64. | uk_UA |
| dc.relation.references | 31. Khvostivska L., Khvostivskyy M., Dunetc V., Dediv I.. Mathematical and Algorithmic Support of Detection Useful Radiosignals in Telecommunication Networks. 2nd International Workshop on Information Technologies: Theoretical and Applied Problems, ITTAP 2022. CEUR Workshop Proceedings. Ternopil 22- 24 November 2022. Vol 3309, P. 314-318. ISSN 1613-0073. | uk_UA |
| dc.relation.references | 32. Гевко О.В., Дозорський В.Г., Дедів Л.Є., Дедів І.Ю., Дозорська О.Ф. Структурний синтез вібромасажної апаратури. Перспективні технології та прилади, № 20, Луцьк, 2022. – с. 23-31. | uk_UA |
| dc.relation.references | 33. Dozorskyi V., Dediv I., Sverstiuk S., Nykytyuk V., Karnaukhov A. The Method of Commands Identification to Voice Control of the Electric Wheelchair. Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023). CEUR Workshop Proceedings. Ternopil, Ukraine, June 14-16, 2023. P.233-240. ISSN 1613-0073. | uk_UA |
| dc.relation.references | 33. Khvostivska L., Khvostivskyi M., Dediv I., Yatskiv V., Palaniza Y. Method, Algorithm and Computer Tool for Synphase Detection of Radio Signals in Telecommunication Networks with Noises. Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023). CEUR Workshop Proceedings. Ternopil, Ukraine, June 14-16, 2023. P.173-180. ISSN 1613-0073. | uk_UA |
| dc.relation.references | 34. Khvostivska L., Khvostivskyi M., Dunets V., Dediv I. Mathematical, algorithmic and software support of synphase detection of radio signals in electronic communication networks with noises. Scientific Journal of TNTU (Tern.), vol 111, no 3, 2023. pp. 48–57. | uk_UA |
| dc.relation.references | 35. Основи технології радіоелектронних апаратів : навчальний посібник / Р. А. Ткачук, В. Г. Дозорський, Л. Є. Дедів, І. Ю. Дедів. - Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2017. - 336 с. | uk_UA |
| dc.relation.references | 36. Паляниця Ю.Б., Марценюк А.С., Дунець В.Л., Бучинський В.М., Паламар М.І. Дрон з блоком надвисоких частот для виявлення та знешкодження вибухових пристроїв та мін. Матеріали ІІІ Міжнародної наукової конференції молодих учених та студентів «Воєнні конфлікти та техногенні катастрофи: історичні та психологічні наслідки» Тернопільського національного технічного університету імені Івана Пулюя: зб. тез доповідей, 20-21.04.2023 р. Тернопіль: ТНТУ, 2023. С. 158-159. ISBN 978-617-7875-32-0. | uk_UA |
| dc.relation.references | 37. Дунець В.Л., Хвостівська Л.В., Паляниця Ю.Б. Математичне, алгоритмічне та програмне забезпечення оцінювання завадозахищеності каналів зв’язку з балансною модуляцією. Збірник наукових праць Вісник НУВГП, серія технічні науки, випуск 4 (104), 2023. - С. 95-107. ISSN: 2306- 5478 | uk_UA |
| dc.relation.references | 38. Гевко І.Б., Дунець В.Л., Паляниця Ю.Б., Марценюк А.С., Химич Г.П. Дрон з імпульсним квантовим генератором для знешкодження об’єктів ураження. Матеріали ІV Міжнародної наукової конференції «Воєнні конфлікти та техногенні катастрофи: історичні та психологічні наслідки» Тернопільського національного технічного університету імені Івана Пулюя: зб. тез доповідей, 18-19.04.2024 р. Тернопіль: ТНТУ, 2024 | uk_UA |
| dc.relation.references | 39. Khymych, H., Dunets, V., Duda, S., Palaniza, Y., Kornieiev, K. Dual Polarization Yagi Antenna for Meter Wavelength Range. Radioelectronics and Communications Systems, 66(11), 2023, pp. 609–615. ISSN 0735-2727. DOI: 10.3103/S0735272722080039. | uk_UA |
| dc.relation.references | 40. Lyashuk, Oleg, Mykola Stashkiv, Yurii Palianytsia, Roman Khoroshun and Dmytro Mironov. Fourier Model Fitting for Vibration Analysis of Car Wheel Suspension Enhanced Damping System. Proceedings of the 4rd International Workshop on Information Technologies: Theoretical and Applied Problems, 23-25 October 2024, Ternopil, Ukraine. ITTAP-2024, 2024. ISSN 1613-0073 | uk_UA |
| dc.relation.references | 41. Паляниця Ю.Б., Сверстюк А.С., Шадріна Г.М. Математичне та комп’ютерне моделювання фонокардіосиґналів для удосконалення кардіодіагностичних систем / Ю.Б. Паляниця, А.С. Сверстюк, Г.М. Шадріна – Львів: Видавництво «Магнолія - 2006», 2020. – 106 с. ISBN 5-211-05310-9. | uk_UA |
| dc.relation.references | 42. Dozorskyi V., Dediv L., Kovalyk S., Dozorska O., Dediv I. (2024) Design of the endoskeleton of a biocontrolled hand prosthesis. Scientific Journal of TNTU (Tern.), vol. 115, no 3, pp. 100-111. | uk_UA |
| dc.relation.references | 43. Техноекологія та цивільна безпека. Частина «Цивільна безпека». Навчальний посібник / В.С. Стручок, – Тернопіль: ТНТУ ім. І.Пулюя, 2022. – 150 с. | uk_UA |
| dc.relation.references | 44. Стручок В.С. Безпека в надзвичайних ситуаціях. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної бо та заочної (дистанційної) форм навчання / В.С.Стручок. — Тернопіль: ФОП Паляниця В. А., 2022. — 156 с. | uk_UA |
| dc.contributor.affiliation | Тернопільський національний технічний університет імені Івана Пулюя, факультет прикладних інформаційних технологій та електроінженерії, м. Тернопіль, Україна | uk_UA |
| dc.coverage.country | UA | uk_UA |
| dc.identifier.citation2015 | Брегін С. І. Метод інтелектуального розпізнавання зображень для підвищення ефективності систем машинного зору : робота на здобуття кваліфікаційного ступеня магістра : спец. 172 – електронні комунікації та радіотехніка / наук. кер. І. Ю. Дедів. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. 69 с. | uk_UA |
| Collection(s) : | 172 — телекомунікації та радіотехніка, Електронні комунікації та радіотехніка | |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| Брегін_С_І_РАм-61_еларту.pdf | 1,68 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.
Outils d'administration