Синтез зображень для аугментації наборів даних для задачі класифікації зображень

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Вареницею Андрієм Васильовичем. Тема “Синтез зображень для аугментації наборів даних для задачі класифікації зображень”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є система для аугментації і доповнення вже існуючих наборів даних для задачі класифікації зображень, дифузійні моделі та їх ефективність в задачах розширення наборів даних для класифікації в умовах обмеженої кількості прикладів. Предметом досліджень є методи модифікації та покращення наявних систем синтезу зображень, з акцентом на контроль якості синтезованих даних для підвищення якості аугментації в умовах обмеженої кількості навчальних прикладів для отримання кращої точності кінцевого класифікатора. Досягнення мети відбувається за рахунок розробки додаткових модулів до генеративних нейронних мереж, які будуть контролювати їх процес синтезу, зберігаючи зображення реалістичними і водночас досить різноманітними. Подібне можна досягти з додаванням модуля оцінки якості кінцевих синтезованих зображень, який буде оцінювати синтезовані зображення по різноманітним критеріям, щоб в результаті залишити тільки найбільш підходящі екземпляри. У результаті виконання дипломної роботи буде створено нову архітектуру, яка буде працювати з синтезованими зображеннями, щоб в кінцевому результаті отримати якісні, реалістичні і в той самий час різноманітні зображення для розширення наявних реальних наборів даних і їх подальше використання для тренування на них довільних класифікаційних моделей. Результати ефективності такої аугментації даних буде порівняно з класичними підходами доповнення існуючих наборів даних і з подібними сучасними генеративними методами. Загальний обсяг роботи: 83 сторінок, 35 рисунків, 36 посилань. Master’s degree work of the student of the group CSAI-22 Varenytsia Andrii Vasylovych. The topic is "Image synthesis for datasets augmentation for image classification tasks". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of research is a system for augmenting and supplementing existing datasets for the image classification task, focusing on diffusion models and their effectiveness in expanding datasets for classification under limited example conditions. The subject of research is methods of modifying and improving existing image synthesis systems, with an emphasis on filtering the synthesized data to enhance the quality of augmentation in situations with limited training examples to obtain better accuracy in the final classifier.