Search academic texts

Information × Registration Number 2125U002936, Article popup.category Бакалаврська робота Title Адаптивна мережа стиснення динамічного діапазону зображень для виявлення дорожніх об’єктів (AI translated) popup.author Денисенко Денис ГеннадійовичDenysenko Denys Hennadiiovych popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/75924 popup.publisher Київ Description Дипломна робота: 106 с., 21 рис., 8 табл., 20 посилань, 1 додаток. У роботі досліджуються підходи глибокого навчання для стиснення високого динамічного діапазону термальних зображень у низький, аналізується вплив на точність детекції після тонового відображення відмінними між собою підходами для колірних зображень, на основі чого систематизовано необхідні вимоги для створення власної архітектури, орієнтованої на одноканальні термальні зображення, і ставиться на меті покращення виявлення дорожніх об’єктів для використання в системах допомоги водієві. Об’єкт дослідження – детекція дорожніх об'єктів на термальних зображеннях після тонового відображення. Предмет – мережі для стиснення динамічного діапазону зображень. Метою роботи є створення власної мережі тонового відображення, яка враховує особливості термальних зображень з урахуванням проблем, виявлених при аналізі існуючих методів, що покращить точність виявлення об'єктів на вихідних зображеннях з низьким динамічним діапазоном. Актуальність роботи зумовлена потребою використання для фіксації дорожньої сцени високого динамічного діапазону, який не може бути відображений на сучасних дисплеях і незначною кількістю реалізацій тонового відображення для термальних зображень у літературі. Результатом роботи є модель, адаптована до природи термальних зображень, що гарантує підвищення точності детекції у порівнянні з існуючими методами за основними метриками. Thesis: 106 pages, 21 figures, 8 tables, 20 sources, 1 appendices. The work examines deep-learning approaches for compressing the high dynamic range of thermal images into a lower range, analyses the influence on detection accuracy after tone mapping by different colour-image approaches, on the basis of which the necessary requirements for creating an own architecture oriented to single-channel thermal images are systematised, and sets as its aim the improvement of road-object detection for use in driver-assistance systems. The object of the study – detection of road objects on thermal images after tone mapping. Subject – networks for compressing image dynamic range. The purpose of the work is to create an own tone-mapping network that takes into account properties of thermal images, regarding to the problems found during the analysis of existing methods, which will improve object-detection accuracy on low dynamic range output images. The relevance of the work is conditioned by the need to capture road scenes with a high dynamic range that can not be displayed on modern screens and by the small number of tone-mapping implementations for thermal images. The result of the work is a model adapted to the nature of thermal images that guarantees increased detection accuracy compared with existing methods according to the fundamental metrics. popup.nrat_date 2025-11-05 Close