Пошук академічних текстів

Інформація × Реєстраційний номер 2119U006963, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Згорткові нейронні мережі та їх застосування до розпізнавання дорожніх об’єктів в умовах зашумленості Автор Женчук Олексій ВалерійовичZhenchuk Oleksii Valeriiovych Дата публікації 01-06-2019 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/29085 Видання Київ Опис Дипломна робота: 101 с., 19 рис., 10 табл., 3 дод., 38 джерел. Метою даної роботи є дослідження можливості та властивостей застосування згорткових нейронних мереж до задач розпізнавання та класифікації дорожніх об’єктів в умовах наявності цифрового шуму на зображеннях, а також дослідження роботи алгоритмів зменшення рівня шуму в застосуванні до вказаних типів задач. Актуальність теми: розпізнавання та класифікація дорожніх об’єктів є ключовим для багатьох напрямків, що швидко розвиваються, при цьому рішення на їх основі мають прийматися в реальному часі та виходячи лише з отриманих даних, які можуть мати високий рівень цифрового шуму, що значно ускладнює роботу систем. Тому необхідні моделі, здатні визначати наявність шуму та мати відповідні механізми усунення його впливу. Об’єктом дослідження є набори цифрових зображень, які містять дорожні об’єкти різних класів і які можуть мати певний рівень цифрового шуму. Предметом дослідження є моделі згорткових нейронних мереж з оптимізованим використанням параметрів та алгоритми зменшення шуму в зображеннях в їх застосуванні до задачі розпізнавання та класифікації. Методи дослідження: застосовані моделі згорткових нейронних мереж, методи зменшення рівня шуму в зображеннях, алгоритми навчання нейронних мереж, виконані за допомогою мови програмування Python. Отримані результати: створено алгоритми розпізнавання та класифікації дорожніх об’єктів з використанням моделей згорткових нейронних мереж та зменшенням рівня цифрового шуму, для чого реалізовано два варіанти вирішення задачі, для використання в реальному часі та з попередньою обробкою, в ході чого було визначено оптимальний алгоритм для вирішення задачі. За матеріалами бакалаврської роботи готуються до публікації тези доповіді на міжнародній науково-практичній конференції «Інтелектуальні системи та інформаційні технології» (ISIT2019), Одеса, Україна. Thesis: Convolutional neural networks and their application to road objects recognition under noise conditions. The thesis contains 101 p., 19 fig., 10 tabl., 3 app., 38 sources. The purpose of this thesis is research of possibility and attributes of applications of convolutional neural networks to the problems of recognition and classification of road objects in conditions with digital noise appearance on images, and also research of efficiency and comparison of noise level reduction algorithms in application to the mentioned problems. Topicality of the theme: road objects recognition and classification is crucial for many rapidly developing research and application branches, and at the same time the decisions based on the solutions of these problems should be made in real time and only based on the received data, which may have high noise level that makes the systems operations more difficult. Because of this the models that are able to measure the noise level and have noise reduction mechanisms are needed. The object of research are sets of digital images that contain road objects from different classes and that can have some level of digital noise. The subject of research are the convolutional neural network models with optimized parameter usage and algorithms of noise level reduction in images in application to the recognition and classification problem. Methods of research: applied convolutional neural network models, algorithms of noise level reduction in images, neural networks learning algorithms, implemented with the Python programming language. Received results: the algorithms for recognition and classification of road objects with usage of convolutional neural network models and digital noise level reduction were created, for what two variants of problem solution were implemented, for real-time application and with data preprocessing, and during that the optimal algorithm for problem solution was determined. On materials of the thesis abstract at the international scientific and practical conference «Intellectual systems and information technologies» (ISIT2019), Odesa, Ukraine, is awaiting publication. Додано в НРАТ 2025-11-05 Закрити