Класифікація типів хмарності з визначенням опадів за супутниковими зображеннями хмарності за допомогою глибинного навчання
Автор: Васильєва Анастасія Сергіївна
Кваліфікаційний рівень: магістр
Спеціальність: Інженерія програмного забезпечення
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2022-2023 н.р.
Мова захисту: англійська
Анотація: Метою магістерської кваліфікаційної роботи є аналіз методів глибинного навчання для розпізнавання та класифікації хмар на супутникових зображеннях, розробка згорткової нейронної мережі для вирішення задачі класифікації зображень хмарності, а також реалізація програмного забезпечення для класифікації зображень хмар на супутникових знімках та визначення ймовірності опадів на певній місцевості. Програмне забезпечення у вигляді настільного застосунку реалізовано за допомогою мови програмування Python та бібліотеки Tkinter. Згорткова нейронна мережа для класифікації зображень реалізована за допомогою бібліотеки Keras та Tensorflow. Реалізація програмного продукту відбувалась на основі розробленої специфікації вимог згідно з аналізом предметної області та бізнес-вимог до продукту. Для тренування згорткової нейронної мережі було підготовлено вхідний набір зображень певних типів хмар. Під час тренування було обчислено оцінку точності та втрат для кожної епохи тренування. Використовуючи натреновану модель було проведено оцінювання основних метрик роботи моделі. Порівнюючи результати дослідження з іншими методами класифікації зображень, було визначено що запропонована модель має кращу точність – 70%. Обсяг роботи без додатків становить 67 сторінок