1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 123 — комп’ютерна інженерія
Empreu aquest identificador per citar o enllaçar aquest ítem: http://elartu.tntu.edu.ua/handle/lib/50643
Registre complet de metadades
Camp DCValorLengua/Idioma
dc.contributor.advisorШингера, Наталія Ярославівна-
dc.contributor.advisorShynhera, Natalya-
dc.contributor.authorМузичук, Андрій Андрійович-
dc.contributor.authorMuzychuk, Andrii-
dc.date.accessioned2025-12-29T13:38:45Z-
dc.date.available2025-12-29T13:38:45Z-
dc.date.issued2025-12-19-
dc.date.submitted2025-06-26-
dc.identifier.citationМузичук А.А. Методи та програмно-апаратні засоби автоматизованої ідентифікації і сортування медіаконтенту : кваліфікаційна робота на здобуття ступеня магістр: спец. 123 — комп’ютерна інженерія / наук.кер. Н.Я. Шингера. — Тернопіль: ТНТУ, 2025. — 68 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/50643-
dc.description.abstractКваліфікаційна робота присвячена розробці методів та програмних засобів для автоматизованої ідентифікації та сортування відеоконтенту. У роботі проведено аналіз сучасних алгоритмів комп’ютерного зору та стандартів компресії відеоданих для довготривалого зберігання. Розроблено програму мовою Python із використанням бібліотек OpenCV та Ultralytics. Основою системи ідентифікації обрано нейронну мережу архітектури YOLO11, яка забезпечує детекцію об'єктів у реальному часі. Реалізовано алгоритм логічного мапінгу для категоризації відео за змістом та підсистему автоматичного транскодування файлів у формати H.264/H.265 за допомогою FFmpeg. Результати роботи дозволяють автоматизувати процес впорядкування великих медіаархівів та суттєво зменшити обсяг займаного дискового простору без втрати візуальної якості.uk_UA
dc.description.abstractThe qualification paper is devoted to the development of methods and software tools for the automated identification and sorting of video content. The paper analyzes modern computer vision algorithms and video data compression standards for long-term storage. A software system was developed using the Python programming language and the OpenCV and Ultralytics libraries. The YOLO11 neural network architecture was selected as the core of the identification system, ensuring real-time object detection. A logical mapping algorithm for content-based video categorization and a subsystem for automatic file transcoding into H.264/H.265 formats using FFmpeg have been implemented. The results of the study allow for automating the organization of large media archives and significantly reducing disk space usage without compromising visual quality.uk_UA
dc.description.tableofcontentsВСТУП 9 РОЗДІЛ 1 АНАЛІЗ СУЧАСНИХ ТЕХНОЛОГІЙ І ПРАКТИК 12 1.1 Область застосувань технології 12 1.2 Сучасні системи комп’ютерного зору 15 1.3 Актуальні системи комп’ютерного зору 17 1.4 Принципи функціонування згорткових нейронних мереж у задачах автоматизованого аналізу зображень 18 1.5 Аналіз сучасних методів та стандартів компресії відеоданих для систем довготривалого зберігання 20 1.6 Особливості компресії відеопотоку для задач комп'ютерного зору та машинної ідентифікації об'єктів 22 1.7 Висновки до розділу 1 23 РОЗДІЛ 2 РОЗРОБКА ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ДЛЯ АВТОМАТИЗОВАНОГО СОРТУВАННЯ МЕДІАКОНТЕНТУ 25 2.1 Загальна архітектура системи 25 2.2 Приклад використання та функціональні вимоги 27 2.3 Обґрунтування вибору моделі комп’ютерного зору для підсистеми ідентифікації відеоконтенту 28 2.4 Вибір мови програмування та середовища розробки 35 2.5 Опис алгоритму роботи програми 36 2.6 Розробка алгоритму прийняття рішень та логіки класифікації 38 2.7 Висновки до розділу 2 39 РОЗДІЛ 3 ПРАКТИЧНА РЕАЛІЗАЦІЯ СИСТЕМИ 41 3.1 Розгортання середовища розробки та його налаштування 41 3.2 Розгортання моделі YOLO11 та перевірка її працездатності 44 3.3 Програмна реалізація функціоналу ідентифікації відеоконтенту 46 3.4 Реалізація підсистеми транскодування та оптимізації зберігання відеоданих 51 3.5 Тестування та порівняльний аналіз ефективності роботи системи 53 3.6 Транскодування відео за допомогою розробленої системи 55 3.7 Висновки до Розділу 3 56 РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 58 4.1 Охорона праці 58 4.2 Безпека в надзвичайних ситуаціях 58 ВИСНОВКИ 59 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 60 Додаток A Тези конференцій 63uk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject123uk_UA
dc.subjectкомп’ютерна інженеріяuk_UA
dc.subjectкомп’ютерна системаuk_UA
dc.subjectмедіаконтентuk_UA
dc.subjectкомп’ютерний зірuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectYOLOuk_UA
dc.subjectPythonuk_UA
dc.subjectH.265uk_UA
dc.subjectкласифікація відео.uk_UA
dc.subjectcomputer systemuk_UA
dc.subjectmedia contentuk_UA
dc.subjectcomputer visionuk_UA
dc.subjectneural networkuk_UA
dc.subjectvideo classificationuk_UA
dc.titleМетоди та програмно-апаратні засоби автоматизованої ідентифікації і сортування медіаконтентуuk_UA
dc.title.alternativeMethods and hardware–software tools for automated identification and sorting of media contentuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Музичук Андрій Андрійович, 2025uk_UA
dc.rights.holder© Muzychuk Andrii, 2025uk_UA
dc.contributor.committeeMemberДеркач, Марина Володимирівна-
dc.contributor.committeeMemberDerkach, Maryna-
dc.coverage.placenameТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.format.pages68-
dc.subject.udc004.93uk_UA
dc.relation.referencesЛуцик Н.С., Луцків А.М., Осухівська Г.М., Тиш Є.В. ПрЛуцик Н.С., Луцків А.М., Осухівська Г.М., Тиш Є.В. Методичні рекомендації до виконання кваліфікаційної роботи магістра для студентів спеціальності 123 «Комп’ютерна інженерія» другого (магістерського) рівня вищої освіти усіх форм навчання. Тернопіль. 2024. С. 44.ограма та методичні рекомендації з проходження практики за тематикою кваліфікаційної роботи для студентів спеціальності 123 «Комп’ютерна інженерія» другого (магістерського) рівня вищої освіти усіх форм навчання. Тернопіль: ТНТУ. 2024. С. 45.uk_UA
dc.relation.referencesВаравін А.В., Лещишин Ю.З., Чайковський А.В. Методичні вказівки до виконання курсового проєкту з дисципліни «Дослідження і проєктування комп’ютерних систем та мереж» для здобувачів другого (магістерського) рівня вищої освіти спеціальності 123 «Комп’ютерна інженерія» усіх форм навчання. Тернопіль: ТНТУ, 2024. С. 32.uk_UA
dc.relation.referencesА.А. Музичук. Оптимізація алгоритмів сортування відеоданих у хмарних системах передачі мультимедіа. Збірник тез доповідей XIV Міжнародної науково-технічної конференції молодих учених та студентів. 2025. С. 312uk_UA
dc.relation.referencesА.А. Музичук. Сучасні системи комп’ютерного зору в медіаіндустрії. Матеріали XIII науково-технічної конференції «інформаційні моделі, системи та технології». 2025. С. 68uk_UA
dc.relation.referencesКривоносов В.Є. Аналіз ефективності алгоритмів виявлення об’єктів на зображеннях у реальному часі. Вісник НТУ «ХПІ». Серія: Системний аналіз, управління та інформаційні технології. 2022. № 1 (7). С. 45–50.uk_UA
dc.relation.referencesResolving machine learning tasks in distributed memory environment / H. Aboah, R. Ruwimbo, V. Sobol, A. Lutskiv // Proceedings of the scientific and technical conference "Information models, systems and technologies", 08-09 December 2021. Tern. : TNTU, 2021. — P. 133.uk_UA
dc.relation.referencesДзюбак Ю. Аналіз методів та засобів хостингу ресурсів з використанням віртуалізації / Ю. Дзюбак, Я. Коненко, Н. Луцик // Матеріали Ⅹ науково-технічної конференції „Інформаційні моделі, системи та технології“, 7–8 грудня 2022 року. Т. : ТНТУ, 2022. С. 137.uk_UA
dc.relation.referencesМатушинець А. В. Комп’ютеризована система моніторингу і керування електрокоптильнею : кваліфікаційна робота на здобуття освітнього ступеня бакалавр: спец. 123 — комп’ютерна інженерія / наук. кер. Р. О. Жаровський. Тернопіль: ТНТУ, 2025. С. 70.uk_UA
dc.relation.referencesЩур Т. Використання штучного інтелекту для систем розпізнавання в інтернеті речей / Т. Щур, Г. М. Осухівська // Тези Ⅴ міжнародної конференції „Цифрова економіка: інновації та сталий розвиток“, 28-29 листопада 2024 року. Т. : ТНТУ, 2024. — С. 131.uk_UA
dc.relation.referencesSullivan G.J., Ohm J.R., Han W.J., Wiegand T. Overview of the High Efficiency Video Coding (HEVC) Standard. IEEE Transactions on Circuits and Systems for Video Technology. 2012. Vol. 22. No. 12. P. 1649–1668.uk_UA
dc.relation.referencesEmerging Standards for Machine-to-Machine Video Coding 2025 URL: https://arxiv.org/html/2512.10230v1 (дата звернення: 12.12.2025).uk_UA
dc.relation.referencesRichardson I.E. The H.264 Advanced Video Compression Standard. 2nd Edition. Wiley. 2010. 348 p.uk_UA
dc.relation.referencesPersonalizing Visual Search with Multimodal Embeddings URL: https://developers.googleblog.com/see-the-similarity-personalizing-visual-search-with-multimodal-embeddings/ (дата звернення: 12.12.2025).uk_UA
dc.relation.referencesLeCun Y., Bengio Y., Hinton G. Deep learning. Nature. 2015. Vol. 521. P. 436–444.uk_UA
dc.relation.referencesSzeliski R. Computer Vision: Algorithms and Applications. 2nd Edition. Springer. 2022. 832 p.uk_UA
dc.relation.referencesGrois D., Marpe D., Mulayoff A. Performance Comparison of H.265/MPEG-HEVC, VP9, and H.264/MPEG-AVC Encoders. 30th Picture Coding Symposium (PCS). 2013. P. 394–397.uk_UA
dc.relation.referencesFFmpeg Documentation. URL: https://ffmpeg.org/documentation.html (дата звернення: 10.12.2025).uk_UA
dc.relation.referencesBradski G., Kaehler A. Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library. O'Reilly Media. 2017. 1000 p.uk_UA
dc.relation.referencesTerven J., Cordova-Esparza D. A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS. Machine Learning and Knowledge Extraction. 2023. Vol. 5(4). P. 1680–1716.uk_UA
dc.relation.referencesJocher G., Chaurasia A., Qiu J. Ultralytics YOLOv8. 2023. URL: https://github.com/ultralytics/ultralytics (дата звернення: 12.12.2025).uk_UA
dc.relation.referencesWang C.-Y., Bochkovskiy A., Liao H.-Y.M. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2023. P. 7464–7475.uk_UA
dc.relation.referencesRedmon J., Divvala S., Girshick R., Farhadi A. You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2016. P. 779–788.uk_UA
dc.relation.referencesМороз О.В., Степанченко О.М. Порівняльний аналіз сучасних методів розпізнавання об’єктів на відеозображеннях. Штучний інтелект. 2020. № 3. С. 12–19.uk_UA
dc.relation.referencesLutz M. Learning Python. 5th Edition. O'Reilly Media. 2013. 1600 p.uk_UA
dc.relation.referencesSchoch T. CustomTkinter UI-Library Documentation. URL: https://github.com/TomSchimansky/CustomTkinter (дата звернення: 12.12.2025).uk_UA
dc.identifier.citationenMuzychuk A. Methods and hardware–software tools for automated identification and sorting of media content : Master Thesis „123 — Computer Engineering“ / Andrii Muzychuk - Ternopil, TNTU, 2025 – 68 p.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.contributor.affiliationTernopil Ivan Puluj National Technical Universityuk_UA
dc.coverage.countryUAuk_UA
Apareix a les col·leccions:123 — комп’ютерна інженерія

Arxius per aquest ítem:
Arxiu Descripció MidaFormat 
Andrii_Muzychuk.pdf2,91 MBAdobe PDFVeure/Obrir
Mostrar el registre simplificat de l'ítem


Els ítems de DSpace es troben protegits per copyright, amb tots els drets reservats, sempre i quan no s’indiqui el contrari.

Eines d'Administrador