Презентація Васькало (2)

1.

ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ
РАДІОЕЛЕКТРОНІКИ
КВАЛІФІКАЦІЙНА РОБОТА
Інтелектуальна система
сегментації зображень на основі
глибоких нейронних мереж
зд. гр. КІУКІзу-23-1 Васькало В.О.
керівник: доц. каф. ЕОМ Дяченко В.О.

2.

Мета та завдання роботи:
2
Метою кваліфікаційної роботи є розробка інтелектуальної системи сегментації
зображень на основі глибоких нейронних мереж для автоматизованого виділення
об'єктів на цифрових зображеннях із забезпеченням високої точності сегментації.
Для досягнення поставленої мети у роботі необхідно виконати наступні завдання:
розглянути методи сегментації зображень та основні підходи до її реалізації;
дослідити сучасні архітектури глибоких нейронних мереж, що
використовуються для задач сегментації зображень;
провести порівняльний аналіз існуючих інтелектуальних систем сегментації
зображень та обґрунтувати вибір архітектури нейронної мережі для реалізації
системи;
спроєктувати архітектуру інтелектуальної системи сегментації зображень;
обґрунтувати вибір програмних засобів та набору даних для навчання моделі
глибокого навчання;
реалізувати програмний прототип системи сегментації зображень на основі
обраної архітектури нейронної мережі;
виконати навчання моделі та провести експериментальні дослідження її
роботи;
оцінити ефективність розробленої системи за допомогою відповідних метрик
якості сегментації та проаналізувати отримані результати.

3. Методи сегментації зображень

3

4. Загальна схема роботи глибокої нейронної мережі для сегментації

4

5. Порівняльний аналіз існуючих рішень

5

6. Функціональні вимоги до інтелектуальної системи

6

7. Архітектура інтелектуальної системи

7

8. Алгоритм роботи системи

8
Алгоритм роботи
системи

9. UML-діаграма прецедентів інтелектуальної системи сегментації зображень

9

10. Діаграма потоків даних інтелектуальної системи сегментації зображень

10

11. Обрані програмні засоби для реалізації. Фрагмент датасету PASCAL VOC 2012

11

12. Процес навчання моделі. Аналіз результатів

12

13. Аналіз результатів

13

14.

Висновки
14
У бакалаврській кваліфікаційній роботі було розглянуто актуальну задачу автоматичної сегментації
зображень із використанням методів глибокого навчання та розроблено інтелектуальну систему сегментації
зображень на основі глибоких нейронних мереж. Проведений аналіз сучасних підходів до сегментації
зображень показав, що традиційні методи обробки зображень мають обмежені можливості під час роботи зі
складними сценами та великою кількістю об'єктів, тоді як сучасні нейромережеві архітектури забезпечують
значно вищу точність і здатність до автоматичного виділення інформативних областей. Було проведено
аналіз існуючих програмних рішень для сегментації зображень, що дозволило визначити найбільш
ефективні підходи до побудови інтелектуальної системи. На основі результатів проведеного аналізу було
спроєктовано архітектуру програмної системи, визначено основні функціональні модулі, побудовано
діаграму прецедентів та діаграму потоків даних, а також розроблено структуру взаємодії компонентів
системи. Для реалізації програмного забезпечення було обрано мову програмування Python, бібліотеку
PyTorch для побудови та навчання нейронної мережі, а також середовище Google Colab для виконання
обчислювальних експериментів із використанням графічного прискорювача NVIDIA Tesla T4.
Отримані результати підтверджують ефективність використання архітектури U-Net для розв'язання
задач сегментації зображень та доцільність застосування глибоких нейронних мереж у сучасних системах
комп'ютерного зору.