Сучасні інформаційні системи

Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/62915

У журналі публікуються результати досліджень з експлуатації та розробки сучасних інформаційних систем у різних проблемних галузях.

Рік заснування: 2017. Періодичність: 4 рази на рік. ISSN 2522-9052 (Print)

Новини

Включений до "Переліку наукових фахових видань України, в яких можуть публікуватися результати дисертаційних робіт на здобуття наукових ступенів доктора і кандидата наук" (технічні науки) наказом Міністерства освіти і науки України від 04.04.2018 № 326 (додаток 9, п. 56).

Переглянути

Результати пошуку

Зараз показуємо 1 - 4 з 4

The issue of training of the neural network for drone detection
(Національний технічний університет "Харківський політехнічний інститут", 2024) Hashimov, Elshan; Khaligov, Giblali
In the article, the issue of mistaking birds for UAVs, which is considered one of the main problems in the process of detecting unmanned aerial vehicles (UAVs) through cameras, was considered. The object of the study is a method of training an artificial intelligence model so that the detection system does not mistake drones for birds. In order to solve this problem, as an alternative to creating a new complex model, the retraining method was used by making some changes to the previously developed model. The aim of the study is to train an artificial intelligence model using certain methods to detect drones and prevent them from being mistaken for birds.
Efficiency of supplementary outputs in siamese neural networks
(Національний технічний університет "Харківський політехнічний інститут", 2023) Melnychenko, Artem; Zdor, Kostyantyn
In the world of image analysis, effectively handling large image datasets is a complex challenge that requires using deep neural networks. Siamese neural networks, known for their twin-like structure, offer an effective solution to image comparison tasks, especially when data volume is limited. This research explores the possibility of enhancing these models by adding supplementary outputs that improve classification and help find specific data features. The article shows the results of two experiments using the Fashion MNIST and PlantVillage datasets, incorporating additional classification, regression, and combined output strategies with various weight loss configurations. The results from the experiments show that for simpler datasets, the introduction of supplementary outputs leads to a decrease in model accuracy. Conversely, for more complex datasets, optimal accuracy was achieved through the simultaneous integration of regression and classification supplementary outputs. It should be noted that the observed increase in accuracy is relatively marginal and does not guarantee a substantial impact on the overall accuracy of the model.
Застосування систем ортогональних функцій для формування простору ознак у методах класифікації зображень
(Національний технічний університет "Харківський політехнічний інститут", 2022) Гороховатський, Володимир Олексійович; Творошенко, Ірина Сергіївна; Чмутов, Юрій Вадимович
Предметом досліджень статті є удосконалення структурних методів класифікації зображень у системах комп'ютерного зору. Метою є скорочення обчислювальних витрат на класифікацію шляхом впровадження апарату розкладання компонентів опису зображення за системою ортогональних функцій та впровадження моделей стиснення простору ознак. Застосовувані методи: детектор ключових точок ORB, апарат теорії множин і векторних просторів, метричні моделі для визначення релевантності щодо множин багатовимірних векторів, теорія ортогонального розкладення векторів, елементи теорії ймовірностей, програмне моделювання. Отримані результати: розроблено модифікації методу класифікації зображень на основі впровадження ортогонального розкладення даних у векторному просторі, запропоновано моделі для стиснення даних у трансформованому просторі ознак, введено метрику Танімото для зіставлення образів, встановлено спосіб вибору порогу для визначення еквівалентних компонентів опису. Результативність розроблених модифікацій класифікатора залежить від вибору підмножини функцій для розкладення, метрики для зіставлення описів, способу визначення порогу еквівалентності. Впровадженням апарату ортогональних функцій вдалося не тільки у десятки разів скоротити обчислювальні витрати, але і забезпечити достатньо високі показники результативності та завадостійкості класифікації. Практична значущість роботи – побудова нових моделей класифікатора зображень у трансформованому просторі ознак, підтвердження працездатності, швидкодії та завадостійкості запропонованих модифікацій на прикладах зображень, створення програмного застосунку для впровадження розроблених методів класифікації у системах комп'ютерного зору.
Матриця відстаней для множини компонентів структурного опису як інструмент для створення класифікатора зображень
(Національний технічний університет "Харківський політехнічний інститут", 2023) Гороховатський, Володимир Олексійович; Передрій, Олена Олегівна; Творошенко, Ірина Сергіївна; Марков, Тарас Євгенович
Предметом досліджень статті є методи класифікації зображень у системах комп'ютерного зору. Мета – розвинення структурних методів класифікації в аспекті впровадження системи класифікаційних ознак на підґрунті значень матриці відстаней для багатовимірних компонентів опису. Застосовувані методи: детектор ключових точок AKAZE, апарат теорії множин і векторних просторів, метричні моделі визначення релевантності для множин багатовимірних векторів, теорія формування розподілів даних, елементи теорії ймовірностей, програ мне моделювання. Отримані результати: розроблено модифікації методу класифікації зображень на основі впро вадження формалізму матриць відстаней для множини компонентів опису, запропоновано інтеграційні моделі для формування класифікаційних ознак та здійснення дій над множинами векторів на основі матриці відстаней, вста новлено метричні особливості множин багатовимірних векторів як ознак класифікації. Результативність розробле них модифікацій класифікатора залежить від вибору підмножини та числа дескрипторів у описі, міри для зістав лення описів. На підставі впровадження апарату матриці відстаней вдалося сформувати інтегровані ознаки у ви гляді одновимірних розподілів даних і скоротити обчислювальні витрати при забезпеченні результативності кла сифікації на навчальній вибірці даних. Практична значущість роботи полягає у побудові моделей класифікації на підставі матриці відстаней, підтвердженні працездатності запропонованих модифікацій на прикладах зображень, створенні програмного застосунку для впровадження розроблених класифікаторів у комп'ютерному баченні.