Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
3 results
Search Results
Item Дослідження моделей для розпізнавання жестів з використанням 3D конволюційних нейронних мереж та візуальних трансформерів(Видавництво Львівської політехніки, 2023-02-28) Чорненький, В. Я.; Казимира, І. Я.; Chornenkyi, V. Ya.; Kazymyra, I. Ya.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityУ роботі розглядається актуальне завдання розпізнавання жестів з метою реформування способів до навчання військових, способів комунікації людини та машини та вдосконалення взаємодії людини-людини та людини-машини для осіб з обмеженими можливостями. Проаналізовано методи для розпізнавання жестів руки на основі компʼютерного зору, а також з використанням глибокого навчання. Описано принципи роботи моделей з використанням 3D конволюційних нейронних мереж та трансформерів, наведено їх структурні схеми та проаналізовано особливості функціонування складових. У межах 3D-CNN архітектури розглянуто конволюційну нейронну мережу з двома конволюційними шарами та двома шарами групування. Кожна 3D згортка отримується шляхом згортки ядра 3D-фільтра і складання декількох суміжних кадрів разом для отримання 3D-куба. У межах ViT архітектури розглянуто візуальний трансформер з Linear Projection, Transformer Encoder, двома підшарами: шар Multi-head SelfAttention (MSA) та шаром прямого поширення, також відомим як Multi-Layer Perceptron (MLP). На підставі досліджених архітектур проведено навчання моделей з використанням ASL та NUS-II наборів даних та розглянуто їх ефективність після 20 навчальних епох на основі показників відтворення, точності та F1-оцінки. Визначено вплив тривалості навчання на ефективність моделі з використанням ViT архітектури після 20 та 40 навчальних епох. Продемонстровано, в яких ситуаціях 3D конволюційні нейронні мережі та візуальні трансформери показують кращі результати точності, та обмеження, притаманні кожному підходу в умовах варіативності середовища та обчислювальних потужностей. Отримали подальший розвиток інноваційні архітектури для розпізнавання жестів руки з використанням глибокого навчання для майбутніх досліджень та реалізацій у програмних продуктах.Item Застосування методу лінійної регресії для аналізу кількісних характеристик цитологічних зображень(Видавництво Львівської політехніки, 2021-10-10) Березький, О. М.; Піцун, О. Й.; Мельник, Г. М.; Дацко, Т. В.; Berezsky, O. M.; Pitsun, O. Yo.; Melnyk, G. M.; Datsko, T. V.; Національний університет “Львівська політехніка”; Західноукраїнський національний університет; Тернопільський національний медичний університет; Lviv Polytechnic National University; West Ukrainian National University; Ternopil National Medical UniversityПроаналізовано патологічні стани молочної залози на підставі дослідження цитологічних зображень. Цитологічні зображення – це окремий клас біомедичних зображень і використовуються для діагностування онкологічних захворювань. Для діагностування передракових і ракових станів та тактики лікування лікарі-діагности використовують цитологічні, гістологічні та імуногістохімічні зображення. Для автоматизації процесу діагностування в онкології використовують системи автоматизованої мікроскопії. У системах автоматизованої мікроскопії використовують алгоритми комп’ютерного зору. Останнім часом для класифікації зображень використовують алгоритми машинного навчання Опрацювання мікроскопічних зображень є складним і трудомістким процесом, оскільки зображення характеризуються високим рівнем шуму та відсутністю чітких контурів ядер клітин. Для обчислення кількісних характеристик ядер клітин цитологічних зображень розроблено метод обчислення кількісних характеристик ядер клітин на підставі алгоритмів фільтрації зображень та їх автоматичної сегментації. Для сегментації ядер клітин розроблено архітектуру згорткової нейронної мережі типу U-Net. У цій статті розроблено метод опрацювання цитологічних зображень. Метод складається з шести етапів. На першому етапі відбувається завантаження зображення у пам’ять комп’ютера, на другому – попереднє оброблення зображень. На третьому етапі здійснюється автоматична сегментація зображень на підставі згорткової нейронної мережі типу U-Net. На четвертому етапі виконується обчислення кількісних характеристик ядер клітин. На п’ятому етапі кількісні характеристик ядер клітин зберігаються в базі даних. На шостому етапі застосовують алгоритми лінійної регресії для отримання кількісних характеристик ядер клітин. Сьогодні лінійна регресія є одним із поширених підходів машинного навчання до аналізу даних. Здійснено порівняльний аналіз застосування кількісних характеристик ядер клітин на підставі лінійної регресії. Наукова новизна роботи полягає у розробленні методу обчислення кількісних характеристик ядер клітин, який містить етапи фільтрації зображень та автоматичної сегментації на підставі використання нейронної мережі типу U-Net. Практичне значення роботи – програмна реалізація модулів попереднього оброблення цитологічного зображення та лінійної регресії. Досліджено, що у сукупності параметрів “площа, довжина головної осі” в 1,4 разу менша похибка RMSE порівняно із сукупністю “площа, периметр”.Item Розроблення моделі нейронної мережі для прогнозування дорожньо-транспортних пригод(Видавництво Львівської політехніки, 2018-02-18) Дзелендзяк, У. Ю.; Самотий, В. В.; Пелех, О. М.; Національний університет “Львівська політехніка”; Львівський державний університет безпеки життєдіяльності; Краківська політехніка ім. Тадеуша КостюшкаРозроблено систему для аналізу чинників, що впливають на виникнення дорожньо-транспортних пригод (ДТП), за допомогою інструментів та бібліотек мови Python. Використовуючи досліджені чинники, розроблено та досліджено нейронну мережу для прогнозування можливості виникнення ДТП. На основі спроектованої нейронної мережі розроблено веб-платформу для автоматичного прогнозування можливості виникнення ДТП та візуального відображення обчислених ризиків на найближчу добу.