Використання ансамблевих методів машинного навчання в задачах розпізнавання нумізматичних об’єктів

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-21 Сирваткою Максимом Юрійовичем. Тема “Використання ансамблевих методів машинного навчання в задачах розпізнавання нумізматичних об’єктів”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процеси розпізнавання монети по фото за допомогою ансамблевих методів. Предметом досліджень є ансамблеві методи розпізнавання нумізматичних об’єктів на фото. Під час виконання даної магістерської кваліфікаційної роботи досягається мета реалізації покращеного методу розпізнавання та класифікації нумізматичних об’єктів за допомогою ансамблевих методів машинного навчання. Були розглянуті різні методи ансамблювання моделей сегментації та класифікації для виконання задачі розпізнавання об’єктів на фото, відбувався пошук покращень методів для реалізації ефективного рішення у цій тематиці. Крім цього, був створений новий набір даних, який містить фото бразильських монет з при різних умовах створення зображення, таких, як шум, недостатнє освітлення, розмиття. У результаті виконання дипломної роботи було розроблено систему для розпізнавання нумізматичних об'єктів, що базується на ансамблевих методах машинного навчання. Використання ансамблю моделей, до складу якого увійшли VGG16, MobileNetV2, а також модифіковані моделі ResNet101 та Xception, дозволило підвищити точність класифікації монет за допомогою методу вагового голосування. Загальний обсяг роботи: 79 сторінок, 35 рисунків, 20 посилань. The master's qualification work was performed by a student of the group KNSCH-21 Maksym Yuriiovych Sirvatka. The topic is “The use of ensemble machine learning methods in the tasks of recognizing numismatic objects”. The work is aimed at obtaining a master's degree in specialty 122 “Computer Science”. The object of research is the processes of recognizing a coin from a photo using ensemble methods. The subject of research is ensemble methods for recognizing numismatic objects in photos. During the implementation of this master's thesis, the goal of implementing an improved method for recognizing and classifying numismatic objects using ensemble machine learning methods is achieved. Various methods of ensemble segmentation and classification models for the task of object recognition in photos were considered, and improvements to the methods were sought to implement an effective solution in this area. In addition, a new dataset was created containing photos of Brazilian coins under various image conditions, such as noise, low light, and blur. As a result of the thesis, a system for recognizing numismatic objects based on ensemble machine learning methods was developed. The use of an ensemble of models, which included VGG16, MobileNetV2, as well as modified models ResNet101 and Xception, allowed to improve the accuracy of coin classification using the weighted voting method. Total amount of work: 79 pages, 35 figures, 20 references.