Academic literature on the topic 'Класифікація зображень'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Класифікація зображень.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Класифікація зображень"
1
Добровська, Л., and А. Руденко. "ІДЕНТИФІКАЦІЯ КОРИСТУВАЧІВ ПІДСИСТЕМИ РОЗПІЗНАВАННЯ НА ОСНОВІ СІТКІВКИ ОКА." Біомедична інженерія і технологія, no. 6 (December 11, 2021): 121–29. http://dx.doi.org/10.20535/2617-8974.2021.6.246909.
Full textAbstract:
Забезпечення біометричної безпеки має важливе значення в більшості сценаріїв перевірки справжності користувача та його ідентифікації. Розпізнавання, засноване на зразках райдужної оболонки, є важливою областю досліджень, покликаної забезпечити надійну, просту і швидку підсистему ідентифікації користувачів системи, яка використовує камеру (її можна використовувати у будь-якій системі, яка має механізм авторизації, де необхідна гарантія підвищеної безпеки). Мета роботи полягає у встановленні основних етапів алгоритму ідентифікації (класифікації) користувачів системи на основі обробки зображення сітківки ока із зіницею.
Алгоритм розпізнавання райдужної оболонки ока для реєстрації користувачів системи включає такі етапи
- попередня обробка зображення: зображення проходить різні фільтри (серед них фільтр Гауса та низько-частотні фільтри, гістограмні перетворення);
- препроцессінг: 1) локалізація внутрішніх і зовнішніх меж області райдужної оболонки ока з використанням генетичного алгоритму; 2) нормалізація зображення, 3) виокремлення значущої інформації;
- класифікація (або зіставлення із елементами БД) - виконана на основі двошарового персептрону (ДП).
Для оцінки алгоритмів розпізнавання райдужної оболонки використано базу даних оцифрованих 100 зображень очей у відтінках сірого від 50 різних людей (класів). Експерименти проводилися у два етапи: 1) сегментація і 2) розпізнавання райдужної оболонки. На першому етапі для локалізації райдужних оболонок застосовується алгоритм прямокутної області. На другому етапі виконується класифікація малюнка райдужної оболонки за допомогою мережі. Сформовані множини навчання й тестування (відповідно 60 зображень очей від 30 різних людей; 40 зображень очей від 20 різних людей). Виявлені райдужки для класифікації після нормалізації та посилення масштабуються за допомогою усереднення. Це допомагає зменшити розмір мережі. Потім зображення подаються матрицями, які є вхідним сигналом для мережі. Виходами ДП є класи візерунків райдужки. Для класифікації райдужної оболонки використовується алгоритм нейронного навчання. Точність розпізнавання на множині навчання становила 95,25%; на множині тестування - 89%.
Ключові слова - біометрія, розпізнавання райдужної оболонки ока, нейронна мережа
2
Gorokhovatskyi, V., A. Zaporozhchenko, Т. Siryk, and O. Tarasenko. "ДОСЛІДЖЕННЯ РЕЗУЛЬТАТИВНОСТІ ЗАСТОСУВАННЯ ОЗНАК РОЗПОДІЛІВ ДАНИХ ДЛЯ ОБЧИСЛЕННЯ РЕЛЕВАНТНОСТІ ОПИСІВ ЗОБРАЖЕНЬ." Системи управління, навігації та зв’язку. Збірник наукових праць 1, no. 59 (February 26, 2020): 68–73. http://dx.doi.org/10.26906/sunz.2020.1.068.
Full textAbstract:
Предметом досліджень статті є моделі ознак розподілів даних дескрипторів ключових точок для вирішення задач розпізнавання та класифікації візуальних об’єктів у системах комп’ютерного зору. Метою є дослідження модифікації методу структурної класифікації на підставі зіставлення розподілів даних для фрагментів дескрипторного опису зображення. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією обчислення релевантності описів на підставі розподілів даних, вивчення властивостей цих моделей, оцінювання результативності у задачі класифікації зображень. Застосовані методи: детектор ORB для формування дескрипторів ключових точок, статистичний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані результати. Перехід від опису як множини дескрипторів до розподілів фрагментів, побудова та зіставлення розподілів забезпечують достатню результативність класифікації. Класифікація виконується у кілька разів швидше, ніж при використанні безпосередньо множини дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурної класифікації зображень на основі впровадження блочної структури опису із використанням значень розподілу для фрагментів множини дескрипторів. Практична значущість – досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності для класифікації, підтвердження результативності запропонованого простору ознак на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зору
3
Критська, Я. О., and Т. О. Білобородова. "Дослідження методів обробки та аналізу геопросторових зображень для віддаленого моніторингу поверхневих вод." ВІСНИК СХІДНОУКРАЇНСЬКОГО НАЦІОНАЛЬНОГО УНІВЕРСИТЕТУ імені Володимира Даля, no. 1(271) (February 8, 2022): 11–17. http://dx.doi.org/10.33216/1998-7927-2022-271-1-11-17.
Full textAbstract:
Поверхневі води є важливими природнім ресурсом та відіграють важливу роль в багатьох аспектах людського життя, таких як питна вода, сільське господарство, виробництво електроенергії, транспорт та промисловість. Зміни поверхневих вод впливають на інші природні ресурси та навколишнє середовище. Це обумовлює важливість якісного визначення обсягу поверхневих вод і відстеження їх динаміки. Останнім часом дедалі більшої популярності набувають методи аналізу поверхневих вод на основі супутникових зображень. В роботі досліджені можливості і перспективи використання методів обробки та аналізу геопросторових зображень для віддаленого моніторингу поверхневих вод. Визначено та формалізовано етапи моніторингу поверхневих вод на основі геопросторових зображень. Визначено класифікацію методів виділення даних водної поверхні з геопросторових зображень, що включає методи на основі спектральних діапазонів, методи контрольованої класифікація на основі методів машинного навчання та методи неконтрольованої класифікації на основі індексів води. Розглянуто особливості просторово-часового аналізу поверхневих вод та критеріїв оцінки його точності.Ключовим критерієм оцінки точності є загальна точність класифікації зображень, однак, доцільно використовувати декілька специфічних критеріїв оцінки, таких як коефіцієнт узгодженості MICE, точність виробника, точність користувача, для отримання надійнішої оцінки. Проведено дослідження можливостей аналізу поверхневих вод на основі водного індексу на прикладі озера Піщане Луганської області в період водопілля 2018-2019 років. Дослідження можливостей аналізу поверхневих вод на основі водного індексу з застосуванням нормованого диференційованого індексу вологості території озера Піщане дозволило виявити певну невизначеність при підборі порогових значень для ефективного диференціювання. Також, виявлено суттєву залежність методу від факторів атмосферних умов, таких як хмарність, туман, задимленість або температурна інверсія на момент зйомки геопросторового зображення, що обумовлює необхідність атмосферної корекції супутникових даних до рівня обробки L2A.
4
Кіріченко, Людмила, Євгенія Степаненко, and Дмитро Яндуков. "КЛАСИФІКАЦІЯ ЧАСОВИХ РЯДІВ ІЗ ВИКОРИСТАННЯМ РЕКУРЕНТНИХ ДІАГРАМ." System technologies 5, no. 136 (August 8, 2021): 81–87. http://dx.doi.org/10.34185/1562-9945-5-136-2021-08.
Full textAbstract:
У статті описано новий підхід до класифікації часових рядів на основі їх візуалізації. Часовий ряд подається у вигляді чорно-білого зображення своєї рекурентної діаграми. В якості класифікатора зображень використовується згорткова нейронна мережа. Даними для класифікації є реалізації електрокардіограм, які містять записи здорових людей та пацієнтів з діагнозом ішемія. Результати досліджень вказують на добру точність класифікації порівняно з іншими методами та потенційні можливості цього підходу.
5
Гавриленко, Олена, and Неля Новіченко. "ДОСЛІДЖЕННЯ ОПТИМІЗАТОРІВ НЕЙРОННОЇ МЕРЕЖІ ДЛЯ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ БУДІВЕЛЬ ЗА АРХІТЕКТУРНИМ СТИЛЕМ." System technologies 5, no. 136 (May 29, 2021): 169–79. http://dx.doi.org/10.34185/1562-9945-5-136-2021-16.
Full textAbstract:
У статті розглянуто задачу класифікації зображень з тісними міжкласових взаємозв’язками – класифікація архітектурних стилів будівель, де велика кількість основних рис та ознак є спільною для декількох класів. Об’єктом дослідження є алго-ритм навчання нейронної мережі для розпізнавання архітектурних стилів будівель. Запропоновано метод навчання нейронної мережі для класифікації архітектурних стилів будівель за зображеннями будівель, що за меншу кількість часу навчання досягає більшої. Запропонований алгоритм оптимізатору реалізовано програмно і проведено експерименти для порівняння ефективності алгоритму.
6
Шматко, О. В., А. О. Голоскокова, С. В. Мілевський, and Н. І. Воропай. "Інформаційна система розпізнавання зображень." Системи озброєння і військова техніка, no. 4 (68) (December 24, 2021): 130–37. http://dx.doi.org/10.30748/soivt.2021.68.17.
Full textAbstract:
Класифікація даних за наявності шуму може призвести до набагато гірших результатів, ніж очікувалося, для чистих шаблонів. У даній роботі була досліджена проблема розпізнавання та ідентифікації особи у відеопослідовності. Основні внески, представлені в цій роботі – це експериментальне дослідження впливу різних типів шуму та підвищення безпеки шляхом розробки комп’ютерної системи для розпізнавання та ідентифікації користувачів у відеоряді. На основі вивчення методів та алгоритмів пошуку облич на зображеннях було обрано метод Віоли-Джонса, вейвлет-перетворення та метод головних компонент. Ці методи є одними з найкращих за співвідношенням ефективності розпізнавання та швидкості роботи. Однак навчання класифікаторів відбувається дуже повільно, але результати пошуку обличчя дуже швидкі.
7
Давидько, О. Б., А. О. Ладік, В. Б. Максименко, М. І. Линник, О. В. Павлов, and Є. А. Настенко. "КЛАСИФІКАЦІЯ УРАЖЕНЬ ЛЕГЕНЬ ПРИ COVID-19 НА ОСНОВІ ТЕКСТУРНИХ ОЗНАК ТА ЗГОРТКОВОЇ НЕЙРОННОЇ МЕРЕЖІ." Біомедична інженерія і технологія, no. 6 (November 17, 2021): 19–28. http://dx.doi.org/10.20535/2617-8974.2021.6.231887.
Full textAbstract:
Реферат – Проблематика. Визначення структури ураження легеневої тканини хворих на COVID-19 по типовим ознакам «матове скло», «бруківка», «консолідація» є важливою складовою обґрунтування діагнозу та лікувальних заходів на поточний момент терапії пацієнта. Найбільш поширеним засобом визначення стадії та типу ураження дихальних шляхів є аналіз рентген зображень та комп’ютерної томографії (КТ). Оскільки особливістю вірусної пневмонії SARS-CoV-2 є швидкий перехід від легких стадій до важких з розвитком цитокинового шторму і розповсюдження вірусу в артеріальний кровотік, то надійний та швидкий аналіз КТ зображень легень пацієнта є запорукою прийняття своєчасних лікувальних заходів. В даній роботі розглядаються можливості застосування засобів штучного інтелекту для вирішення задачі класифікації уражень легень при захворюванні COVID-19. Мета. Метою роботи є створення класифікаційної системи типу уражень легень при COVID-19 по типовим ознакам «матове скло», «бруківка», «консолідація» на основі згорткової нейронної мережі CNN та текстурних ознак, джерелом яких є матриці суміжності GLCM при різних значеннях кутів напрямку аналізу. Методика реалізації. Оскільки основою відмінностей різних типів ураження легеневої тканини на КТ зображеннях є відмінності у їх текстурних характеристиках, то в основу простору ознак класифікаційної системи закладемо елементи гістограм на основі матриць суміжності областей інтересу КТ зображень легень. У зв’язку з високими якостями перетворення простору ознак до потреб задач класифікації згортковими шарами мережі, засобом побудови класифікатора пропонується застосувати згорткову нейронну мережу. Для навчання системи ДУ “«Національний інститут фтизіатрії і пульмонології ім. Ф.Г. Яновського НАМН України» було надано 794 КТ зрізів від 20 пацієнтів із масками зображень, на яких виділені 4714 зони інтересу з означеними типами уражень легень. Була побудована модель семишарової згорткової нейронної мережі: із чотирма згортковими шарами, після перших трьох з яких йдуть агрегувальні шари. На вхід згорткової нейронної мережі одночасно подаються текстурні ознаки двох GLCM, які були отримані із сегментованих КТ зображень під різними кутами. В якості функції втрат була використана NLLLOSS. Шар активації Softmax визначає результат задачі класифікації. Результати дослідження. Побудована згорткова нейронна мережа на тестовій вибірці з 472 зображень має загальну точність класифікації у 83%, на класі «матове скло» - 90,1%, «бруківки» - 70,5%, «консолідація» – 54,2% та на робочій вибірці з 4714 ROI зображень має загальну точність у 98%, на класі «матове скло» - 98,6%, «бруківка» - 96,8%, «консолідація» – 95,4% Висновки. В роботі одержано модель з високою ефективністю класифікації типу уражень легень при COVID-19. Класифікатор побудовано на основі згорткової нейронної мережі та ознак текстури, джерелом яких є матриці суміжності областей інтересу КТ зображень легень. Ключові слова – GLCM, матриця суміжності, область інтересу, комп’ютерна томографія, COVID-19, згорткова нейронна мережа, ураження легень, матове скло, бруківка, консолідація.
8
Костенко, Олексій. "УПРАВЛІННЯ ІДЕНТИФІКАЦІЙНИМИ ДАНИМИ: ПРАВОВЕ РЕГУЛЮВАННЯ ТА КЛАСИФІКАЦІЯ." Молодий вчений, no. 3 (91) (March 31, 2021): 90–94. http://dx.doi.org/10.32839/2304-5809/2021-3-91-21.
Full textAbstract:
Масштаби, швидкість та багатовекторність розвитку науки і техніки надзвичайно ефективно впливають на правові, економічні, політичні, духовні, професійні та інші суспільних відносин. Однією із рушійних сил нової науково-технічної революції є розвиток інформаційно-комунікаційних технологій, використання мережі Інтернет, створення, збереження, передача, обробка та управління інформацією. Це сприяє впровадженню технологій передачі та використання інформації в цифровому виді практично у всіх сферах суспільного життя, а саме текстових даних, фото-, аудіо-, відео-зображень, які транслюються різноманітними способами мережею Інтернет та іншими комунікаційними засобами та системами. Одним із ключових елементів технологій та систем передачі даних є наявність інформації, за якою можливо ідентифікувати їх суб’єктів та об’єктів за притаманними ним ідентифікаційними атрибутами. В українському законодавстві, зокрема в Законі України «Про захист персональних даних», відомості чи сукупність відомостей про фізичну особу, яка ідентифікована або може бути конкретно ідентифікована визначають як персональні дані. Однак, незважаючи сучасність даний закон все ж таки містить ряд недоліків та невизначеності, як в термінології так і в правових механізмах роботи із даними, за якими може бути ідентифікована особа, тобто ідентифікаційними даними.
9
Тимошин, Ю., and Ю. Южда. "Аналіз особливостей застосування нейронних мереж для інтелектуальної обробки відеопотоків систем технічного зору." Адаптивні системи автоматичного управління 2, no. 39 (December 15, 2021): 12–19. http://dx.doi.org/10.20535/1560-8956.39.2021.247372.
Full textAbstract:
У статті розглядаються актуальні питання застосування сучасних технологій і методів виявлення та розпізнавання об’єктів. Стаття присвячена аналізу особливостей застосування різних типів нейронних мереж в процесі поетапної обробки відеоданих, які отримуються з систем технічного зору роботів, систем відеомоніторингу, інтелектуальних систем безпеки. Проведено огляд сучасної літератури, яка описує методику формування простору ознак опису об'єктів і методів їх розпізнавання. Під час огляду показано, що процес інтелектуальної обробки відеоданих складається з багатьох етапів обробки зображень, одним із яких є обробка з застосуванням нейронних мереж в якостіінтелектуальних компонентів. Баторівневість етапів обробки в реальному часі вимагає обгрунтування застосування різних типів нейронних мереж при різних процесах обробки з метою підвищення якості та оптимізації часу обробки таких даних. Наводиться структура моделі обробки відеозображень. Також у статті проводиться визначення типів нейронної мережі на різних етапах обробки даних (таких як ідентифікація параметрів і характеристик групи, знаходження групових об’єктів, посекторна обробка зображень, класифікація об’єкту, розпізнавання об’єкту, створення контурної моделі об’єкту, виявлення об’єкту в секторі, оцінка параметрів сектору, визначення інформаційних секторів, розбиття кадру на сектори, обробка інформаційних кадрів) відповідно ієрархічної моделі, що пропонується, з подальшим використанням отриманих результатів для мультиагентної системи розподіленої інтелектуальної обробки відеоданих об’єктів моніторингу та приклади подальшого застосування отриманих результатів.
Бібл. 13, табл. 1.
10
Шулигін, Д., and Є. Настенко. "Класифікація норма/патологія при дифузних захворюваннях печінки за ознаками текстури ультразвукових зображень зі зменшеною кількістю відтінків сірого." Біомедична інженерія і технологія, no. 4 (December 28, 2020): 21–27. http://dx.doi.org/10.20535/2617-8974.2020.4.221846.
Full textDissertations / Theses on the topic "Класифікація зображень"
1
Гороховатський, В. О., І. С. Творошенко, and Д. Сидоренко. "Класифікація зображень із використанням кластерного подання." Thesis, Київ – Ужгород, 2021. https://openarchive.nure.ua/handle/document/17945.
Full text
2
Гірний, Микола Юрійович. "Використання штучного інтелекту для оцінювання розпізнавання зображень." Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9420.
Full textAbstract:
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.
3
Кравець, Олександра Олегівна. "Інформаційна система розпізнавання числової інформації." Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/46874.
Full textAbstract:
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.
4
Степаненко, Ю. С. "Застосування рекурентних діаграм для класифікації часових рядів." Thesis, ХНУРЕ, 2020. http://openarchive.nure.ua/handle/document/12133.
Full textAbstract:
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.
5
Підгородецький, Михайло Ігорович, and Mykhailo Pidhorodetskyi. "Проектування та розробка системи ідентифікації та класифікації зображень біооб’єктів за допомогою відкритих бібліотек Python." Master's thesis, ТНТУ ім. І Пулюя, 2021. http://elartu.tntu.edu.ua/handle/lib/36766.
Full textAbstract:
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.
6
Білоцерковець, С. А. "Інформаційна технологія моніторингу функціонального стану доріг та узбіч." Master's thesis, Сумський державний університет, 2021. https://essuir.sumdu.edu.ua/handle/123456789/86722.
Full text
7
Литвин, Андрій Романович, Олег Романович Шевчук, Andrii Lytvyn, and Oleh Shevchuk. "Автоматизоване оцінювання та класифікація небезпеки дефектів за результатами дефектоскопії поверхні металів." Bachelor's thesis, Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії, Кафедра автоматизації технологічних процесів і виробництв, 2021. http://elartu.tntu.edu.ua/handle/lib/35361.
Full textAbstract:
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 ПулюяВ 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
8
Новіков, Олександр Олегович. "Комп’ютерні засоби діагностування захворювань на основі нейронної мережі." Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/43287.
Full textAbstract:
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.
9
Новіченко, Неля Валеріївна. "Система розпізнавання архітектурних стилів будівель за зображеннями." Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2019. https://ela.kpi.ua/handle/123456789/30980.
Full textAbstract:
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.
10
Коломієць, Ольга Вікторівна. "Телеграм-бот для класифікації зображень твердих побутових відходів." Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9374.
Full textAbstract:
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.
Conference papers on the topic "Класифікація зображень"
1
Настенко, Є. А., В. А. Павлов, and Д. Ю. Грішко. "Рішення задачі реконструкції та класифікації зображення в просторі параметрів функцій запізнення на прикладі класифікації УЗ зображень норма-патологія печінки." In SCIENCE, ENGINEERING AND TECHNOLOGY: GLOBAL TRENDS, PROBLEMS AND SOLUTIONS. Baltija Publishing, 2020. http://dx.doi.org/10.30525/978-9934-588-79-2-1.15.
Full textReports on the topic "Класифікація зображень"
1
Бережна, Маргарита Василівна. Психолінгвістичний образ Ельзи (у фільмі Frozen). Видавничий дім «Гельветика», 2021. http://dx.doi.org/10.31812/123456789/5819.
Full textAbstract:
У статті розглянуто особливості створення психолінгвістичного образу кіноперсонажа за психологічним архетипом «Містик» (the Mystic). Робота є частиною дослідження системи психолінгвістичних кінообразів англомовних фільмів масової культури ХХІ сторіччя. Роботу виконано на матеріалі фентезі-фільму К. Бака та Дж. Лі Frozen (2013). Діалогічне мовлення персонажів вважаємо універсальним засобом розкриття психотипу персонажа. За класифікацією психологічних архетипів В. Шмідт (2007) відносимо Ельзу до архетипу «Містик», для якої визначальними рисами є такі: 1) вона відчуває зв’язок з чимось надприродним, більшим за неї. Риса актуалізована метафорами та лексико-семантичними групами POWER та STORM для зображення магічних здібностей Ельзи створювати сніг та лід; 2) вона знаходить розраду в самотності. Риса реалізована лексико-семантичною групою ISOLATION; 3) вона здатна чинити опір, коли нею маніпулюють. Риса актуалізована конфронтативним стилем спілкування з антагоністом принцом Гансом; 4) її не цікавлять ні матеріальні цінності, ні ідея заміжжя. Її сім’я – сестра Анна, що реалізується частотними апелятивами ‘Anna’, займенниками другої особи однини, лексико-семантичною групою CARE; 5) вона намагається зберегти мир у стосунках за будь-яку ціну. Риса актуалізована частотним використанням лексеми ‘please’ і реквестивів, тактикою уникнення конфлікту; 6) їй не завжди вдається подолати свої страхи. Риса актуалізована окличними реченнями у поєднанні з одиницями лексико-семантичної групи ANXIETY для вираження страху, жалю, занепокоєння, а також частотним використанням займенника першої особи однини для демонстрації сконцентрованості на власних переживаннях; 7) їй потрібне місце, до якого можна втекти від реальності. Риса актуалізується використанням метафор та елементами лексико-семантичної групи ESCAPE; 8) вона нечасто поспішає. Риса реалізована на контрасті з мовленням Анни, через небагатослівність і нижчу швидкість мовлення; 9) її вважають дивною чи небезпечною, тому спершу Ельза намагається приховати свої здібності, що реалізовано лексико-семантичною групою CONCEAL.
2
Бережна, Маргарита Василівна. Психолінгвістичний образ Анни (у фільмі К. Бака та Дж. Лі «Крижане серце»). Видавничий дім «Гельветика», 2021. http://dx.doi.org/10.31812/123456789/5939.
Full textAbstract:
Роботу присвячено особливостям створення психолінгвістичного образу кіноперсонажа за психологічним архетипом «Діва». Розвідка є частиною комплексного дослідження цілісної системи психолінгвістичних кінообразів найбільш касових фільмів ХХІ сторіччя. Роботу виконано на матеріалі фентезі-фільму К. Бака та Дж. Лі Frozen (2013). Вважаємо кінодіалог одним з основних універсальних засобів розкриття образу персонажа в аудіовізуальному тексті. У роботі проаналізовано особливості мовлення принцеси Анни, загальним обсягом 302 репліки. За класифікацією В. Шмідт (2007) відносимо Анну до архетипу «Діва» (the Maiden), для якої визначальними рисами є такі: її життя – легке, не обтяжене рутиною, а ставлення до проблемних ситуацій залишається позитивним; вона любить розважатися, все нове і незвичне вабить її; вона не любить самотності; вона здатна на ризик і не бачить небезпек реального світу; вона не хоче дорослішати, але випробування й психологічні травми змушують її відкрити у собі здатність допомагати іншим та вести за собою; їй завжди потрібна людина, на яку можна покластися. Отримані результати свідчать, що для мовлення принцеси Анни характерні окличні речення (переважно констативи) у поєднанні з позитивною оцінною лексикою, «порожніми» прикметниками та вигуками для вираження захоплення й радості; апелятиви, які визначають важливих для Анни персонажів; вербальна та креолізована гра слів для створення гумористичного ефекту; розмовні одиниці для демонстрації невимушеного, неофіційного стилю спілкування; кооперативний стиль спілкування, який реалізується через частотні тактики прохання та вибачення; лексема please у реквестивах як прояв залежності Анни від допомоги інших персонажів; лексеми sorry та fault для зображення чутливості персонажа до почуттів інших; повтори на синтаксичному рівні у вигляді уточнювальних запитань, множинні асиндетони та апосіопези для демонстрації мислення у формі потоку свідомості, яке демонструє відкритість персонажа, наївність; майже однакова частотність займенників першої особи однини та другої особи для демонстрації з одного боку важливості власного «я», а з іншого – значущості інших персонажів у її житті.