Дослідження ефективності методів глибинного навчання в задачах обробки зображень та відео

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Ігнатчуком Юрієм Дмитровичем. Тема “Дослідження ефективності методів глибинного навчання в задачах обробки зображень та відео”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є методи глибинного навчання, що використовуються в задачах обробки зображень та відео. Предметом досліджень є ефективність різних методів глибинного навчання в задачах обробки зображень та відео, що включає в себе порівняння різних архітектур, методів попередньої обробки даних, методів навчання та їх застосування в різних галузях. Для досягнення цієї мети, ми розширили вимірність простору вхідних даних за допомогою високопродуктивних глибоких нейронних мереж. Після цього ми використали розширений набір даних для подальшого дослідження, застосовуючи сучасні методи глибинного навчання. Наша гібридна система була протестована за допомогою різних алгоритмів машинного навчання на реальних даних. Основною метою було визначити ефективність методів глибокого навчання у вирішенні завдань обробки зображень та відео. У результаті виконання дипломної роботи створено гібридну систему обчислювального інтелекту; розроблено та запатентовано її програмну реалізацію, яка дозволяє досліджувати роботу різних методів машинного навчання, підбирати гіперпараметри для оптимальної роботи системи, а також порівнювати результати навчання класифікаторів на трьох різних алгоритмах розширених початкових даних. Загальний обсяг роботи: 58 сторінок, 18 рисунків, 10 посиланнь. Master’s degree work of the student of the group CSAI-22 Ihnatchuk Yurii Dmytrovych. The topic is " Investigation of the effectiveness of deep learning methods in image and video processing tasks". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of research is deep learning methods used in image and video processing tasks. The subject of research is the effectiveness of various deep learning methods in image and video processing tasks, which includes a comparison of different architectures, data preprocessing methods, training methods and their application in various fields. The goal of the research is achieved by expanding the dimensionality of the input data space of the problem by using high-performance deep neural networks. After that, we used the expanded data set for further research, applying modern deep learning techniques. Our hybrid system has been tested using different machine learning algorithms on real data. The main goal was to determine the effectiveness of deep learning methods in solving image and video processing tasks. As a result of the bachelor's qualification work, a hybrid system of computing intelligence was created; developed and patented its software implementation, which allows you to study the operation of various machine learning methods, select hyperparameters for optimal system operation, and also compare the results of training classifiers on three different algorithms of extended initial data. The total volume of work: 58 pages, 18 figures, 10 references.