Мисак , Максим Святославович2024-04-232024-04-2320232024Мисак М. С. Розпізнавання пошкоджень дорожнього покриття : пояснювальна записка до магістерської кваліфікаційної роботи : 122 «Комп’ютерні науки» / Максим Святославович Мисак ; Національний університет «Львівська політехніка». – Львів, 2023. – 66 с.https://ena.lpnu.ua/handle/ntb/61852Магістерська кваліфікаційна робота виконана студентом групи КНСШ-21 Мисаком Максимом Святославовичем. Тема “Розпізнавання пошкоджень дорожнього покриття”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процеси підвищення точності розв’язання задач класифікації та їх використання у розпізнаванні об’єктів. Предметом досліджень є методи попередньої обробки даних, для покращення загальної ефективності згортових нейронних мереж для задач класифікації. Досягнення мети відбувається за рахунок модифікації архітектури розробленої системи, ефективних методів попередньої обробки даних, та переваг архітектури згорткових нейронних мереж. У результаті виконання роботи була розроблена система розпізнавання об'єктів на зображеннях та відеопотоках, заснована на архітектурі зготкових нейронних мереж та оптимізована відповідно до підібраних параметрів, продемонструвала високий рівень ефективності та точності. Проведено опис процедури підбору оптимальних параметрів роботи моделей, де було детально описано процес вибору гіперпараметрів, які визначають роботу моделей. В рамках оптимізації роботи моделі було вирішено використовувати препроцесінг відеоданих, який включає аналіз яскравості та динамічну корекцію яскравості та контрастності, що привело до значного покращення результатів роботи при поганому освітленні. Загальний обсяг роботи: 63 сторінок, 22 рисунки, 20 посилань. Master’s degree work of the student of the group CSAI-21 Mysak Maksym Svyatoslavovych. Topic "Detection of the road surface damage". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of research is the processes of increasing the accuracy of solving classification problems and their use in object detection. The subject of research is data preprocessing methods to improve the overall efficiency of convolutional neural networks for classification problems. The achievement of the goal occurs due to the modification of the architecture of the developed system, effective methods of data preprocessing, and the advantages of the architecture of convolutional neural networks. As a result of the work, a system for recognizing objects on images and video streams was developed, based on the architecture of artificial neural networks and optimized according to the selected parameters, which demonstrated a high level of efficiency and accuracy. A description of the procedure for selecting the optimal parameters of the models was carried out, where the process of selecting hyperparameters that determine the operation of the models was described in detail. As part of the optimization of the model, it was decided to use preprocessing of video data, which includes analysis of brightness and dynamic correction of brightness and contrast, which led to a significant improvement of performance in poor lighting conditions. The total volume of work: 63 pages, 22 figures, 20 references.ukзгорткова нейронна мережа, класифікація, попередня обробка даних, машинне навчання, convolutional neural network, classification, data preprocessing, machine learningStudents_diploma66