На сьогодення досягнення високої точності у розпізнаванні об'єктів у реальному часі є актуальною проблемою в багатьох галузях, таких як комп'ютерне зорове сприйняття, автономні транспортні засоби, медична діагностика і багато інших. Швидкий розвиток технологій та збільшення об'єму доступних даних зробили можливим використання машинного навчання та нейронних мереж для досягнення цієї мети.
В даній дипломній роботі проведено розробку автоматизованої фотометричної системи для розпізнавання об'єктів. У першій частині роботи розглянуто різні типи автоматизованих системи для розпізнавання об’єктів та проведено їх аналіз. Проаналізовані різні підходи до реалізації комп'ютерного зору. Детально розглянуто нейронні мережі, включаючи різні види нейронних мереж та згорткові мережі. Окрема увага була приділена огляду фреймворків, що використовуються в даній області, а також застосунків для збору даних та їх розмітки.
У практичній частині роботи була розроблена структурна схема системи, алгоритм її роботи, проведений вибір технічних та програмних компонентів. Також був проведений огляд процесу збору даних. Було здійснено математичне моделювання навчання нейронної мережі та проведено аналіз отриманих результатів.
Керівник: доц., к.т.н. Литвиненко П.Л.
Повний перелік дипломних проєктів та робіт
Список використаної літератури
[1] www.kdbsecurity.nl[Електронний ресурс] – Режим доступу до ресурсу:
https://www.kdbsecurity.nl/camera-pakketten/855-hikvision-ip-camerabewaking-set-4-dome-camera-s-8-mp.html
[2] www.avicam-kameras.de [Електронний ресурс] – Режим доступу до ресурсу:
https://www.avicam-kameras.de/Dahua-2MP-außen-Überwachungskamera-Set-4-Turret-Kameras-Mikrofon-Nachtsicht-30-Meter?gclid=Cj0KCQjw7PCjBhDwARIsANo7CgmIhn1HQVAJD_NkuJyJQHzNRLAjaJKdpJPEFqrA4oBGkm6C-60yn-oaAht5EALw_wcB
[3] Анатомія, фізіологія, еволюція нервової системи Ірина Маруненко, Євгенія Неведомська, Ганна Волковська
[4] blog.goodaudience.com [Електронний ресурс] – Режим доступу до ресурсу:
https://blog.goodaudience.com/comparison-of-the-brain-with-a-computer-neural-network-3ecd3c1fef57
[5] http://www.rikas-varta.com.ua [Електронний ресурс] – Режим доступу до ресурсу:
http://www.rikas-varta.com.ua/index.php?inx=prd.cam.vl&prt=VL-8739D#tab_Info
[6] xmeye.com.ua [Електронний ресурс] – Режим доступу до ресурсу:
https://xmeye.com.ua/ua/kommutatory/1864-poe-kommutator-svitch-48v-10-portov-8poe2uplink.html?gclid=CjwKCAjwvpCkBhB4EiwAujULMqkjg9m3IkyasKlYyB_1VtHbGu937FJTULKq1x9d9dcq5xU3WKuTmxoCbgkQAvD_BwE
[7] Документація ultralytics [Електронний ресурс] – Режим доступу до ресурсу: https://docs.ultralytics.com/
[8] Документація YOLO (github) [Електронний ресурс] – Режим доступу до ресурсу: https://github.com/ultralytics/ultralytics/tree/main/ultralytics/yolo/v8
[9] Документація keras [Електронний ресурс] – Режим доступу до ресурсу:
https://keras.io/
[10] Документація tensorflow [Електронний ресурс] – Режим доступу до ресурсу:
https://www.tensorflow.org
[11] Документація opencv [Електронний ресурс] – Режим доступу до ресурсу:
https://opencv.org/
Документація pytorch [Електронний ресурс] – Режим доступу до ресурсу: https://pytorch.org/
[12] Онлайн застосунок CVAT (Computer Vision Annotation Tool) [Електронний ресурс] – Режим доступу до ресурсу: https://app.cvat.ai
[13]Данні для випробувань - kaggle [Електронний ресурс] – Режим доступу до ресурсу:
https://www.kaggle.com/datasets/harshwalia/birds-vs-drone-dataset
[14] Данні для випробувань - kaggle [Електронний ресурс] – Режим доступу до ресурсу:
https://www.kaggle.com/datasets/harshwalia/birds-vs-drone-dataset
[15] Датасет для навчання - [Електронний ресурс] – Режим доступу до ресурсу:
https://universe.roboflow.com/project-ddrone/datasetdrone-trv98
[16] «Прогнозування фінансових ринків методами машинного навчання»
Фоменко Нікіта Андріович – Режим доступу до джерела: https://ela.kpi.ua/bitstream/123456789/40673/1/Fomenko_magistr.pdf
[17] «Інтелектуальний контент-аналіз соціальних мереж» - Цуканов Іван Володимирович
[18] machine-learning.paperspace.com [Електронний ресурс] – Режим доступу до ресурсу: https://machine-learning.paperspace.com/wiki/convolutional-neural-network-cnn
[19] Hough Transform [Електронний ресурс] – Режим доступу до ресурсу:
https://www.infoq.cn/article/3KfCkf67yZQHuiFp0x3Q
