Ідентифікація упаковок медикаментів за допомогою навчання без вчителя з механізмом уваги
Автор: Чабан Роман Володимирович
Кваліфікаційний рівень: магістр
Спеціальність: Системи штучного інтелекту
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2020-2021 н.р.
Мова захисту: англійська
Анотація: За допомогою алгоритму пошуку приблизних сусiдiв для кожного де- скриптора з тестової бази даних було знайдено 20 сусiдiв, за допомогою агрегування яких був значно зменшений список класiв-кандидатiв, одно- часно отримавши невелике збiльшення ймовiрностi пропуску. Отриманий список кандидатiв використовується для точного пошуку вiдповiдного класу за допомогою модифiкованого алгоритму RANSAC. Ранжування результатiв DEGENSAC дозволяє отримати фiнальне рiшення для ко- жного зображення якi i використовуються для розрахунку остаточної точностi. Як результат, максимальна точнiсть, отримана з використанням усiх екземплярiв набору даних для розпiзнавання та обох алгоритмiв сегмен- тацiї, становить 98,34%, що вказує на те, що бажаний результат був до- сягнутий, оскiльки створений алгоритм демонструє високу точнiсть при високiй швидкостi виконання. Тим не менше, ймовiрнiсть помилково- го прийняття, що дорiвнює 1,66%, може здатися досить низькою однак, якщо ймовiрнiсть помилкового прийняття, що дорiвнює 1,66%, вважа- ється досить низькою, то сценарiй, коли цей вiдсоток для бази даних розмiром 108 зображень дасть 166 104 помилково розпiзнаних упако- вок, що є цiлком не прийнятним. У цiй роботi були дослiдженi механiзми уваги в нейроннiй мережi, десятки алгоритмiв комп’ютерного зору та алгоритми швидкого пошуку у величезних базах даних. Ця робота не приносить жодних нововведень, оскiльки використовує готовi рiшення, але показує, що ансамбль цих ал- горитмiв має великий потенцiал i може бути в подальших дослiджень вдосконалений за допомогою покращення iснуючих ланок або додаван- ня нових. I як вже говорилося ранiше, iдентифiкацiя упаковок лiкiв є першо- черговим кроком на шляху розпiзнавання фальшивої продукцiї. Ця ро- бота продемонструвала актуальну проблематику розпiзнавання подiбних фiзичних об’єктiв та вiдкрила шлях для подальших дослiджень цiєї су- купностi проблем.