Search academic texts

Information × Registration Number 2125U003098, Article popup.category Бакалаврська робота Title Determination of Object Orientation by Machine Learning Based on Key Points (AI translated) popup.author Шадевський Андрій ЕдуардовичShadevskyi Andrii Eduardovych 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/123456789/76292 popup.publisher Київ Description Дипломна робота: 95 с., 10 табл., 34 рис., 2 додатки, 41 джерело. Об'єкт дослідження – процес автоматизованого аналізу візуальної інформації в інтелектуальних інформаційних системах. Предмет дослідження – методи машинного навчання, зокрема згорткові нейронні мережі, для визначення орієнтації об’єкта за зображенням на основі ключових точок. Мета роботи – реалізувати та використати підхід до автоматичного визначення орієнтації об’єкта на зображенні з використанням глибинного навчання з використанням ключових точок. Методи дослідження – згорткові нейронні мережі, комп’ютерний зір, машинне навчання, генетичні алгоритми. Актуальність – зростання можливих сфер використання точного визначенні орієнтації об’єктів в реальному часі. Результати роботи – проведено дослідження та порівняння різних архітектур для прогнозу ключових точок. Порівняно різні версії YOLO-pose. Експериментально підібрано оптимальний розмір вхідних зображень для обраного набору даних, реалізовано програмний продукт на мові програмування Python на основі YOLOv8-pose, оптимізовано гіперпараметри, здійснено визначення орієнтації об’єктів з достатньою точністю, проведено функціонально-вартісний аналіз рішення. Шляхи подальшого розвитку предмету дослідження – вдосконалення архітектури моделі, дослідження тривимірної орієнтації, розширення наборів даних, інтеграція у практичні автоматизовані системи. Thesis: 95 pages, 10 tables, 34 figures, 2 appendices, 41 references. Object of research – machine vision methods based on machine learning. Subject of research – machine learning methods, particularly convolutional neural networks, for determining object orientation from images based on key points. Purpose of the work – to implement and apply an approach for automatically determining the orientation of an object in an image using deep learning based on key points. Research methods – convolutional neural networks, computer vision, machine learning, genetic algorithms. Relevance – the growing range of potential applications for accurate real-time object orientation detection in fields such as robotics, automation, and augmented reality. Results of the work – conducted research and comparison of various architectures for key point prediction. Compared different versions of YOLO-pose. Experimentally selected the optimal input image size for the chosen dataset. Developed a software product in the Python programming language based on YOLOv8-pose, optimized hyperparameters, achieved accurate object orientation detection, and performed a function-cost analysis of the solution. Future research directions – improving model architecture, exploring 3D orientation, expanding datasets, and integrating the approach into practical automated systems. popup.nrat_date 2025-11-05 Close