Розроблення алгоритму розпізнавання об’єктів на телевізійних зображеннях
Автор: Тарасюк Денис Ігорович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні технології проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Тарасюк Д.І., Климкович Т.А. (керівник). Розроблення алгоритму для розпізнавання об’єктів на телевізійних зображеннях. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2024. Розширена анотація. У роботі представлено аналіз сучасних технологій машинного та глибокого навчання, зокрема алгоритмів розпізнавання об’єктів на зображеннях. Основна увага приділена архітектурі YOLO (You Only Look Once), яка є однією з найефективніших моделей для задач детекції об’єктів у режимі реального часу. Проведено порівняння YOLO з іншими популярними архітектурами, такими як R-CNN та SSD, з акцентом на швидкість, точність та складність реалізації. Описано задачі розпізнавання об’єктів на телевізійних зображеннях, а також вимоги до точності та швидкодії моделей для таких застосувань. Визначено критерії оцінки успішності моделі, включаючи точність, стійкість до шуму та варіацій[1-2]. У процесі розробки було обрано конкретну версію YOLO, підготовлено анотовані дані для навчання, проведено навчання моделі та її оптимізацію для підвищення продуктивності, а також приділено особливу увагу її тестуванню. Результати дослідження демонструють ефективність моделі YOLO для задач розпізнавання об’єктів у реальному часі, її конкурентні переваги над іншими архітектурами, а також перспективи подальшого вдосконалення і використання в різних галузях. Мета і задачі дослідження – Незважаючи на значний прогрес у створенні та використанні алгоритмів для розпізнавання об’єктів на зображеннях за останні роки, досі існує багато невирішених проблем, які потребують дослідження. З головних задач розробки є досягнення балансу між високою точністю розпізнавання об’єктів та швидкістю їх обробки, що є особливо важливим для телевізійної індустрії, де затримки в передачі контенту можуть негативно впливати на якість трансляцій. З цією метою планується розробити використовуючи модель YOLOv5 та мову програмування Python алгоритм для розпізнавання об’єктів на телевізійних зображеннях. Об’єкт дослідження – Технології машинного та глибокого навчання. Предмет дослідження – Алгоритм для розпізнавання об’єктів на телевізійних зображеннях. Наукова новизна одержаних результатів. Наукова новизна дослідження полягає у розробленні та впровадженні алгоритму для розпізнавання об’єктів на телевізійних зображеннях з використанням сучасної нейронної мережі YOLO (You Only Look Once). Основними аспектами новизни є: Адаптація YOLO для телевізійних зображень: Проведено оптимізацію моделі YOLO для роботи з телевізійними зображеннями, що відзначаються високою динамікою сцен, шумами та змінною якістю передачі сигналу. Удосконалення методів передобробки даних: Запропоновано підхід до передобробки телевізійних зображень, що враховує специфіку форматів та колірних моделей телевізійних трансляцій, що сприяє підвищенню точності розпізнавання. Розробка ефективного механізму навчання: Реалізовано механізм навчання алгоритму на вибірках, які імітують реальні умови роботи телевізійних систем, таких як змінне освітлення, велика кількість рухомих об’єктів та нестабільна якість зображень. Аналіз продуктивності алгоритму: Виконано порівняльний аналіз запропонованого алгоритму з існуючими методами розпізнавання об’єктів, що продемонстрував його перевагу у швидкості та точності розпізнавання на телевізійних даних. Ці аспекти сприяють розширенню меж застосування технологій комп’ютерного зору та підвищенню ефективності роботи автоматизованих систем аналізу телевізійного контенту. Ключові слова: ТЕХНЛОГІЇ, МАШИННЕ ТА ГЛИБОКЕ НАВЧАННЯ, АРХІТЕКТУРА YOLO, МОДЕЛЬ, АЛГОРИТМ, РОЗПІЗНАВАННЯ ОБ’ЄКТІВ, ТЕЛЕВІЗІЙНЕ ЗОБРАЖЕННЯ. Перелік використаних літературних джерел. YOLO vs SSD vs Faster RCNN: Choosing the Right Object Detection Model [Електронний ресурс] – Режим доступу до ресурсу: https://keylabs.ai/blog/yolov8-vs-ssd-choosing-the-right-object-detection-model/ Object Detection with SSD, Faster RCNN, YOLO [Електронний ресурс] – Режим доступу до ресурсу: https://medium.com/@javadghasemi7/object- detection-with-ssd-faster-rcnn-yolo-ce29b5c6a045