Реєстраційний номер
0825U001512, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
20-05-2025
Статус
Наказ про видачу диплома
Назва роботи
Mоделі та методи локалізації сцен зображень об’єктів критичної інфраструктури на основі композитних нейронних мереж
Здобувач
Пушкаренко Юрій Валерійович,
Керівник Заславський Володимир Анатолійович
Опонент Харченко Вячеслав Сергійович
Опонент Норкін Володимир Іванович
Рецензент Терещенко Василь Миколайович
Рецензент Марченко Олександр Олександрович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Київський національний університет імені Тараса Шевченка
Опис
Метою роботи є розробка та впровадження методів та моделей локалізації сцен зображень дистанційного зондування на основі композитних нейронних мереж, здатної ефективно вирішувати проблеми точного виявлення сцен об’єктів та їх пошкоджень. Пропоновані моделі та методи спрямовані на подолання існуючих обмежень традиційних нейронних мереж у завданнях аналізу зображень великої роздільної здатності, де необхідно обробляти різні об’єкти на різних масштабах і з високою точністю. Головна увага приділяється задачам, які виникають під час аналізу складних сцен дистанційного зондування, де велика кількість об’єктів і змінювані умови зображення роблять традиційні методи малоефективними.
Наукова новизна. Наукова новизна роботи полягає у впровадженні нової моделі та методів композитної нейронної мережі які продовжують ідею принципу різнотипності в системах прийняття рішень з високою надійністю, яка поєднує в собі кращі властивості згорткових нейронних мереж (CNN) та трансформерів, зокрема архітектури Swin (shifted window transformer). Це дозволяє мережі одночасно забезпечувати детальну обробку дрібних ознак зображення та захоплювати глобальні контексти сцени, що є важливим для точного виявлення та класифікації об’єктів. У роботі також запропоновано новий підхід до вирішення проблеми обмеженого рецептивного поля, яке характерне для традиційних згорткових мереж. Пропоновані модель і метод впроваджують модуль динамічного масштабування рецептивного поля з увагою (DReAM), що дозволяють моделі адаптивно змінювати свої параметри для ефективної обробки сцен різного розміру та складності. Це забезпечує можливість роботи з великими обсягами даних без втрати якості та точності.
Дата реєстрації
2025-05-06
Додано/оновлено в НРАТ
2025-05-06 / 2026-07-01
