Dissertations / Theses on the topic 'Класифікація зображень'

В магістерській роботі розроблений і реалізований метод отримування інформації для розпізнавання рецептів та інгредієнтів за зображенням страв та їх рецептурою. Розроблювальна система пропонує користувачам страви на основі виявлених схожих, які виражені в текстовій формі та у вигляді зображень.

Пояснювальна записка дипломного проєкту складається з п’яти розділів, містить 22 рисунки, 4 таблиці, 1 додаток та 37 джерел. Дипломний проєкт присвячений вирішенню задачі розпізнавання, класифікації та подальшої обробки та збереження рукописної числової інформації. Метою створення системи є спрощення процесу перевірки контрольних робіт студентів або учнів (де в якості відповідей маємо рукописні числові значення) за рахунок автоматизації цього процесу шляхом розпізнавання написаних студентами (учнями) відповідей у відповідному бланку для відповідей за допомогою моделей машинного навчання. У розділі загальних положень встановлено мету, цілі та задачі розробки, визначено функціональні границі системи та побудована структурна схема варіантів використання, проаналізовано існуючі аналоги та встановлено відмінність від них системи, що проектується. У розділі інформаційного забезпечення надано детальний опис вхідних та вихідних даних, описано структуру масиву з інформацією, який використовується у даній системі. Розділ математичного забезпечення присвячений опису змістовної та математичної постановки задачі, аналізу існуючих методів розв’язання задачі даного дипломного проєкту та обґрунтування вибору одного з них з його подальшим детальним описом. Розділ програмного забезпечення описує засоби розробки програмного продукту та етапи проектування його архітектури. Описано специфікацію функцій та звіти, які генеруються в ході запуску програми. У технологічному розділі визначено мету проведення випробувань програмного продукту та описано їх результати.
Explanatory note of the diploma project consists of five sections, contains 22 drawings, 5 tables, 1 application and 37 sources. The diploma project is devoted to solving the problem of recognition, classification, further processing and saving of handwritten numerical information. The system purpose is simplifying the process of checking the student’s tests (where the answers are handwritten numerical values) by automating this process by recognizing the answers written by students in the appropriate form for answers using machine learning models. In the general terms section the developmt purpose and are established, functional borders of system are defined and the structural scheme of variants of use is constructed, the existing analogues are analyzed and the difference from them of the projected system is established. The information support section provides a detailed description of the input and output data, as well as the structure description of the information array, that is used in this system is provided. The mathematical support section is devoted to the meaningful and mathematical formulation of the problem, analysis of the existing methods for solving the problem of this thesis project and justification of choosing one of them with its subsequent detailed description. The software support section describes the software development tools and the stages of designing its architecture. The specification of functions and reports generated during program startup is described. The technology section defines the purpose of testing the software product and describes their results.

Повторюваність - основна властивість динамічних систем, яку можна використовувати для характеристики поведінки системи у фазовому просторі. Потужним інструментом їх візуалізації та аналізу є рекурентна діаграма. Методи, що ґрунтуються на них, виявилися дуже успішними, особливо в аналізі коротких, зашумлених та нестаціонарних даних, як вони характерні. У цій статті описаний метод класифікації часових рядів на основі побудови графіків рецидивів. Часовий ряд перетворюється на графіки повторення - чорно-біле зображення. Далі, звивиста нейронна мережа використовується для класифікації зображення. Результати показали, що розглянутий метод має досить високу точність класифікації.

У роботі я розглянув фреймворк виявлення об'єктів TensorFlow Object Detection API, який базується на основі глибокого навчання. Робота починається з короткого вступу до історії глибокого навчання та її репрезентативного інструмента, а саме загорткової нейронної мережі (CNN). Потім робота зосереджена на типових архітектурах класифікації об’єктів та описано структуру цих мереж. Для ідентифікації та класифікації біооб’єктів на зображеннях, була розроблена нейронна мережа в основі якої лежить мережа SSD ResNet50 v1 FPN 640x640, яка найбільше підходить для вирішення цієї задачі.
Через тісний зв’язок ідентифікації та класифікації об’єктів з аналізом відео та розумінням зображення, на це звернули увагу багато дослідників за останні роки. Традиційні методи виявлення об'єктів засновані на написаних вручну особливостях, є малоефективними. Їх продуктивність знижується під час конструювання складних систем, які поєднують в собі кілька низькорівневих особливостях зображення порівняно з детекторами об’єктів та класифікаторами зображень. Завдяки швидкому розвитку глибокого навчання, більш потужні інструменти, які здатні вивчати семантичні, високорівневі та глибші особливості, вводяться для вирішення існуючих проблем з якими не справляються традиційні архітектури. Ці моделі поводяться по-різному в залежно від архітектурі мережі, стратегії навчання та функцій оптимізації тощо.

Робота виконана на кафедрі автоматизації технологічних процесів і виробництв факультету прикладних інформаційних технологій та електроінженерії Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться «17» червня 2021 р. о 9.00 год. на засіданні екзаменаційної комісії №21 у Тернопільському національному технічному університеті імені Івана Пулюя
В даній кваліфікаційній роботі підібрано роботизоване обладнання для зварювання. Технічні рішення проекту передбачають вирішення наступних завдань: автоматизація основних і допоміжних операцій робототехнічного зварювання; оптимізація робототехнічного зварювання; підвищення надійності функціонування систем управління в результаті застосування сучасних методів діагностики і прогнозування працездатності зварних з’єднань; аналіз інформації про результати процесу зварювання з фіксацією відхилень від заданих параметрів оптимальних режимів. Робототехнічне зварювання розглянуто як технологічний процес маніпулятора, що забезпечує рух зварювального інструменту по складній траєкторії. Використання робототехніки дозволяє застосовувати найпродуктивніші режими зварювання за оптимального формування зварних швів, підвищувати густину струму, збільшити реальну глибину проплавлення, забезпечити додаткове зростання продуктивності і найголовніше зменшення зварювальних деформацій. Такий підхід до проблеми роботизації дозволяє успішно вирішувати відносно прості технологічні проблеми зварювання ковшів грейферів.
Robotic welding equipment is selected in this qualification work. Technical solutions of the project provide for the solution of the following tasks: automation of basic and auxiliary operations of robotic welding; optimization of robotic welding; increasing the reliability of control systems as a result of the use of modern methods of diagnosis and prediction of welds; analysis of information about the results of the welding process with fixation of deviations from the specified parameters of the optimal modes. Robotic welding is considered as a technological process of the manipulator, which provides the movement of the welding tool on a complex trajectory. The use of robotics allows to apply the most productive welding modes with optimal formation of welds, increase the current density, increase the real depth of penetration, provide additional productivity growth and most importantly reduce welding deformation. This approach to the problem of robotics allows you to successfully solve relatively simple technological problems of welding buckets grabs.
ВСТУП 8 1. АНАЛІТИЧНА ЧАСТИНА 1.1. Роботизоване зварювання та наплавлення 13 1.2 Критичний аналіз існуючої технології виготовлення ковша грейфера та обґрунтування альтернативного варіанту 19 2. ПРОЕКТНА ЧАСТИНА 2.1. Технічні умови на виготовлення ковша грейфера 23 2.2. Вибір зварювальних матеріалів 26 2.3. Режими роботизованого зварювання ковша грейфера 29 2.4. Техніка і технологія складання та роботизованого зварювання ковша грейфера 31 2.4.1. Послідовність виконання операцій складання-зварювання ковша грейфера 33 2.4.2. Приймальний контроль якості зварних з'єднань ковша грейфера після роботизованого зварювання 34 2.5. Техніка і технологія роботизованого наплавлення ножів ковша грейфера 36 2.6. Вибір стандартного устаткування 38 2.7. Вимоги до експлуатації зварювальних роботів 40 2.8. Розробка спеціалізованого обладнання для виготовлення ковша грейфера 41 2.9. Вплив структури зварного шва (наплавки) створеної роботизованим способом 45 3. СПЕЦІАЛЬНА ЧACТИНA 3.1. Засоби тензо- і динамометрії 61 3.2. Автоматизований спосіб дослідження деформівної здатності зварного шва одержаного роботизованим способом 72 4. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 4.1. Актуальність охорони праці 82 4.2. Правила техніки безпеки при роботі в лабораторіях 83 4.3. Санітарно-гігієнічні вимоги до лабораторного приміщення 84 ВИСНОВКИ 88 ПЕРЕЛІК ПОСИЛАНЬ 90

Кваліфікаційна робота включає пояснювальну записку (50 с., 36 рис., 2 додатки). Об’єкт розробки – створення комп’ютерного засобу для діагностування захворювань на основі нейронної мережі, яка дозволяє визначати наявність недугу. Предмет розробки – автоматизація діагностування діабетичної ретинопатії. Комп’ютерний засоб дозволяє: діагностувати захворювання на основі цифрового зображення, яке завантажене користувачем використовуючи графічний інтерфейс. В процесі розробки було використано мову програмування високого рівня Python та пакети TensorFlow, Keras, NumPy. В ході розробки: - проведено аналіз методів машинного навчання для класифікації цифрових зображення; - розроблено програмну систему для діагностування діабетичної ретинопатії з користувацьким інтерфейсом; - виконано дослідження ефективності розробленої системи; Використання цієї системи дозволить автоматизувати діагностування недугу. Що надає можливість своєчасного лікування пацієнта, економить час і сили лікарів.
The object of development - the creation of a software system for diagnosing diseases based on the neural network, which allows to determine the presence of the disease. The subject of development is the automation of the diagnosis of diabetic retinopathy. The software system allows user to diagnose the disease on the basis of a digital image that is uploaded using a graphical interface. In the development process were using programming language Python and such packages as TensorFlow, Keras, NumPy. During development: - analysis of machine learning methods for the classification of digital images is carried out; - developed a software system for the diagnosis of diabetic retinopathy with a user interface; - studied the efficiency of the developed software. The use of this software system will make it possible to automate the diagnosis of the disease. That can help to timely treat the patient, save the time and effort of doctors.

Структура та обсяг роботи. Пояснювальна записка дипломного проекту складається з шести розділів, містить 18 рисунків, 21 таблиць, 1 додаткок, 17 джерел. Дипломний проект присвячений розробці системи класифікації зображень з метою визначення архітектурних стилів будівель. В дипломному проекті розглянуті методи класифікації цифрових зображень, засновані на машинному навчанні за допомогою нейронних мереж. Система вирішує задачу документування культурної спадщини та дозволяє зменшити помилки при визначенні архітектурного стилю. У розділі загальні положення описано предметне середовище, процес діяльності та опис функціональної моделі системи. Також у розділі описано порівняння системи з наявними аналогами та описані мета та призначення розробки системи. У розділі з інформаційного забезпечення були визначені дані для навчання системи, вхідні та вихідні дані до комплексу задач, були розроблені вимоги до зображень для аналізу, що відповідають поставленим цілям проекту. Розділ математичного забезпечення присвячений обґрунтуванню обраного підходу навчання системи, що дозволив збільшити точність результатів. Розділ програмного забезпечення описує основні засоби розробки комплексу задач, висунуті вимоги до технічного забезпечення. В цьому розділі обрано та обґрунтовано архітектуру програмного забезпечення. У технологічному розділі описана інструкція користувача та проведене тестування комплексу задач.
Structure and scope of work. Diploma project consists of six sections, contains 18 drawings, 21 tables, 1 applications, 17 sources. The diploma project is devoted to the development of tasks for the classification of images in order to determine the architectural styles of the buildings. Automatic methods for the classification of images during the analysis of architectural objects solve the problem of documenting cultural heritage and significantly reduce mistakes in sorting: usually a large number of images are processed and this is a tedious task, the process of classification by experts is prone to errors and takes a lot of time. The correct classification allows to study and analyze cultural heritage more effectively. In the diploma project were considered methods of classification of digital images, based on machine learning with the help of neural networks. The section on information provision define the data for training neural network, input and output data to a set of tasks, requirements for images for analysis, which corresponds to the set objectives of the project. The section of mathematical support is devoted to substantiation of the chosen approach of training the system, which allows to increase the accuracy of the results. The software section describes the main tools for developing a set of tasks, the requirements for technical support. This section defines and justifies the software architecture. The technology section describes the user's manual and tests a set of tasks.

Дипломна робота магістра присвячена розробленню інформаційної системи для класифікації твердих побутових відходів. У роботі спроектовано та розроблено класифікатор зображень твердих побутових відходів з використанням згорткових нейронних мереж. Вперше використано інтерфейс програмного забезпечення Телеграм для реалізації системи класифікації таких зображень.

Дисертаційна робота присвячена розв’язанню актуальної науково-прикладної задачі автоматизації процесу діагностування вірусного пневмонічного запалення за медичними зображеннями легень через розроблення інформаційної технології раннього діагностування пневмонії за індивідуальним підбором параметрів моделі класифікації медичних зображень легень. Застосування розробленої інформаційної технології раннього діагностування пневмонії в клінічній практиці дає змогу підвищити точність та надійність ідентифікації пневмонії на ранніх стадіях за медичними зображеннями грудної клітини людини. Об’єктом дослідження є процес діагностування пневмонії за медичними зображеннями грудної клітини людини. Предметом дослідження є моделі, методи та засоби інформаційної технології для раннього діагностування пневмонії за медичними зображеннями грудної клітини людини. У дисертаційній роботі визначено актуальність застосування інформаційних технологій у галузі цифрового діагностування захворювань легень за медичними зображеннями грудної клітини. На основі проведено аналізу методів та підходів до виявлення пневмонії встановлено, що нейромережеві моделі є найкращим рішенням для розроблення інформаційної технології раннього діагностування. Досліджено методи для налаштування нейромережевої моделі та підходи до пояснення та інтерпретування результатів ідентифікації захворювання легень. За аналізом сучасних підходів, методів та інформаційних технологій для діагностування захворювання легень на ранніх стадіях за медичними зображеннями грудної клітини обґрунтовано потребу в створенні інформаційної технології раннього діагностування пневмонії.
The present thesis is devoted to solving the topical scientific and applied problem of automating the process of diagnosing viral pneumonia by medical images of the lungs through the development of information technology for early diagnosis of pneumonia by the individual selection of parameters of the classification model by medical images of the lungs. Applying the developed information technology for the early diagnosis of pneumonia in clinical practice by medical images of the human chest increases the accuracy and reliability of pneumonia identification in the early stages

Дипломна робота магістра присвячена створенню та дослідженню моделі мімічних проявів емоційного стану на обличчі людини, розробці інформаційної системи для розпізнавання мімічних проявів емоцій на обличчі людини.

Магістерська дисертація: 100 с., 15 рис., 14 табл., 1 додаток, 83 джерела. Зараз одним з основних етапів при дослідженні об’єктів, явищ і процесів різної природи є математичне моделювання і пов’язаний ним комп’ютерний експеримент. Чисельні експерименти дають можливість, як планувати натурний експеримент, так і отримувати нові знання про ті процеси і явища для яких утруднений, або взагалі неможливий натурний експеримент. Велика кількість математичних моделей після виконання відповідних перетворень можуть бути описанні системами лінійних алгебраїчних рівнянь (СЛАР) з розрідженими матрицями. Основною особливістю таких систем є їхні великі порядки і невелика кількість ненульових елементів. Великі порядки СЛАР виникають за рахунок того, що дослідники хочуть отримати якомога достовірніші результати, через це будуються більш деталізовані моделі. Мала кількість ненульових елементів пояснюється особливостями дискретизації моделі. Зокрема, системи рівнянь з розрідженими матрицями виникають у задачах аналізу міцності конструкцій у цивільному та промисловому будівництві, фільтрації, тепло- та масо переносу, тощо. Область застосування методів розв’язування СЛАР з розрідженими матрицями постійно розширюється. Через це виникає інтерес до проблеми побудови ефективних методів розв’язання таких систем, порядки яких перевищую сотні тисяч. Класичні результати, що стосуються розробки методів розв’язання СЛАР з розрідженими матрицями висвітлюються у ряді монографій американських і вітчизняних авторів: А. Джорджа, Дж. Лю, С. Писанецьки, Дж. Голуба, Р. Тюарсона, І.А. Блатова, М.Е. Ексаревської та інших. Також зростають вимоги до обчислювальної техніки, що використовується для проведення комп’ютерного експерименту. Вона повинна забезпечувати достатню швидкодію і мати необхідну кількість ресурсів, щоб результат експерименту можна було отримати за досить невеликий проміжок часу. Зараз на ринку представлені багато різних архітектур комп’ютерів з паралельною організацією обчислень. Найбільш продуктивними є платформи так званої «гібридної» архітектури. Дані системи поєднують у собі MIMD- (multiple instructions – multiple data) та SIMD-архітектури (single instruction – multiple data), а саме у системі з багатоядерними процесорами обчислення прискорюються за рахунок графічного прискорювача. Отже одним з ефективних підходів до розв’язання СЛАР з розрідженими матрицями є побудова паралельних алгоритмів, що враховують особливості архітектури комп’ютера. Основними проблемами розробки ефективних паралельних алгоритмів є: аналіз структури матриці, або приведення її до відповідного вигляду, застосовуючи відповідні алгоритми перетворення; вибір ефективної декомпозиції даних; визначення ефективної кількості процесорних ядер і графічних прискорювачів, що використовуються для обчислень; визначення топології міжпроцесних зв’язків, яка зменшує кількість комунікацій і синхронізацій. Саме для аналізу структури розрідженої матриці використовується нейрона мережа, яка дозволить виділити групи ненульових елементів, які можуть оброблятись незалежно. За результатами аналізу буде будуватись декомпозиція даних та обиратись кількість обчислювальних ядер, що забезпечить найкоротший час розрахунків для конкретної структури матриці. Мета та завдання дослідження. Метою роботи є розробка та дослідження паралельних методів та комп’ютерних алгоритмів для дослідження та розв’язування СЛАР з розрідженими матрицями нерегулярної структури на комп’ютерах MIMD-архітектури та комбінації MIMD- і SIMD-архітектури, апробація алгоритмів при математичному моделюванні у прикладних задачах. До завдань дослідження належать: • розробка та дослідження ітераційних паралельних алгоритмів для СЛАР з розрідженими матрицями нерегулярної структури з наближеними даними; • розробка алгоритмів та програм дослідження достовірності розв’язків, отриманих прямими та ітераційними методами; • апробація алгоритмів для математичного моделювання в прикладних задачах. Об’єкт дослідження – математичні моделі, що описуються СЛАР з розрідженими матрицями нерегулярної структури. Предмет дослідження – паралельні методи та комп’ютерні алгоритми знаходження розв’язку СЛАР з розрідженими матрицями нерегулярної структури. Методи дослідження. У роботі застосовуються методи теорії матриць, лінійної алгебри, теорії графів, функціонального аналізу, теорії похибок, теорія нейронних мереж.
Now one of the main stages in the study of objects, phenomena and processes of different nature is mathematical modeling and related computer experiment. Numerous experiments give an opportunity to plan a full-scale experiment, as well as to get new knowledge about those processes and phenomena for which it is difficult, or in general, impossible to carry out a full-scale experiment. A large number of mathematical models can be described by systems of linear algebraic equations (SLRs) with soldered matrices after performing the corresponding transformations. The main feature of such systems is their large orders and a small number of non-zero elements. Large orders of SLAR arise due to the fact that researchers want to get the most reliable results, which is why more detailed models are being built. The small number of non-zero elements is due to the discretization of the model. In particular, systems of equations with sparse matrices arise in problems of analysis of the strength of structures in civil and industrial construction, filtration, heat and mass transfer, and others like that. Scope of the methods of solving SLR with sparse matrices is constantly expanding. Because of this, there is an interest in the problem of constructing effective methods for solving such systems, whose orders exceed hundreds of thousands. Classical results concerning the development of methods for solving SLRR with rarefied matrices are covered in a series of monographs of American and domestic authors: A. George, J. Liu, S. Pisanetski, J. Golub, R. Tjurson, I. A. Blatova, ME Ekseryrovskaya and others. Also, the requirements for the computer technology used to conduct a computer experiment are growing. It must provide sufficient speed and have the required amount of resources so that the result of the experiment can be obtained over a relatively short period of time. Now in the market there are many different architectures of computers with parallel computing organization. The most productive are the platforms of the so-called "hybrid" architecture. These systems combine MIMD (multiple instructions - multiple data) and SIMD architecture (single instruction - multiple data), in particular, in a multi-core processor system, computations are accelerated by means of a graphical accelerator. Hence, one of the effective approaches to solving SLR with sparse matrices is the construction of parallel algorithms that take into account the peculiarities of computer architecture. The main problems of developing effective parallel algorithms are: analysis of the structure of the matrix, or bringing it to the corresponding form, using appropriate conversion algorithms; choice of effective data decomposition; determining the effective number of processor cores and graphic accelerators used for calculations; definition of the interprocess communication topology, which reduces the number of communications and synchronizations. It is precisely for analyzing the structure of a sparse matrix that a neural network is used which allows the selection of groups of non-zero elements that can be processed independently. The results of the analysis will be based on the decomposition of data and the number of computing cores to be selected, which will provide the shortest settlement time for a particular matrix structure. The purpose and objectives of the study. The purpose of the work is to develop and research parallel methods and computer algorithms for research and solving SLR with sparse matrices of irregular structure on computers of MIMD architecture and MIMD and SIMD architecture combinations, testing of algorithms in mathematical modeling in applied problems. The research tasks include: • development and research of iterative parallel algorithms for SLR with sparse matrices of irregular structure with approximate data; • development of algorithms and programs for investigating the validity of solutions obtained by direct and iterative methods; • Approbation of algorithms for mathematical modeling in applied problems. The object of the study is the mathematical models described by SLAR with sparse matrices of the irregular structure. The subject of the study is parallel methods and computer algorithms for locating the SLR solution with sparse matrices of the irregular structure. Research methods. The paper uses methods of matrix theory, linear algebra, graph theory, functional analysis, error theory, and the theory of neural networks.

Виконано аналіз метаданих повнослайдових гістологічних зображень та отримано результати їх впливу на швидкодію і точність класифікаційного алгоритму. Розроблено програмний модуль онкодіагностування з використанням методу опорних векторів SVM та виконана його оптимізація, в результаті якої алгоритм здатен встановлювати вірний діагноз з точністю 95%. Розроблений модуль створено за допомогою мови програмування Python та імпортовано до WSI-системи QuPath.