Бакалаврська робота. Денисенко Денис Геннадійович. Адаптивна мережа стиснення динамічного діапазону зображень для виявлення дорожніх об’єктів

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 Геннадійович
Denysenko 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