Search academic texts

Information × Registration Number 0825U001711, PhD dissertation Status Доктор філософії Date 02-07-2025 popup.evolution o Title Deep learning models for handling handcase data Author Anton O. Okhrimenko, popup.head Nataliia M. Kussul popup.opponent Volodymyr V. Hnatushenko popup.opponent Natalia E. Kondruk popup.review Oleg R. Chertov popup.review Valerii Y. Danylov Description Дисертація присвячена дослідженню актуальної проблеми перекриття та незбалансованості класів у задачах семантичної сегментації. Розглянуто випадки подібності ознак в екземплярів даних, що належать до різних класів, та малої представленості окремих класів у навчальному наборі даних. Ці особливості навчальної вибірки значно ускладнюють побудову точних моделей глибинного навчання, призводять до погіршення метрик моделі, особливо на малих класах або класах з сильним перекриттям. Запропоновано метод виявлення неоднозначних екземплярів на основі локального аналізу в просторі ознак з використанням алгоритму k-найближчих сусідів (kNN). Удосконалено функцію втрат через введення вагових масок, які формуються з урахуванням складності класифікації роздільності пікселів різних класів у просторі ознак. Ця модифікація покращує здатність моделі вивчати рідкісні та складні класи без використання додаткових даних чи зміни базової архітектури мережі. Адаптовано генеративні змагальні мережі (GAN) до задач аугментації з метою балансування розподілу класів у навчальному наборі. Реалізовано використання GAN-аугментації у поєднанні з методом вагових масок, що забезпечило покращення якості сегментації, особливо для малочисельних класів. Запропоновані методи апробовано на багатоканальних супутникових знімках та гістологічних зображеннях. Результати роботи були застосовані при виконанні наукових проєктів програм Horizon Europe та НФД України, що підтверджує практичну значущість отриманих результатів. Registration Date 2025-05-15 popup.nrat_date 2025-05-15 Close