ДонНТУ   Портал магистров

Муращенко Александр Романович

Факультет интеллектуальных систем и программирования

Кафедра программной инженерии

Специальность «Инженерия программного обеспечения(ИПО)»

Исследование предобученных нейросетевых моделей и алгоритмов обнаружения заданных объектов на изображениях в видеопотоке

Научный руководитель: к.т.н., доцент, профессор кафедры программной инженерии им. Л.П. Фельдмана Федяев Олег Иванович

Резюме Образование Реферат Библиотека Ссылки Индивидуальный раздел

Библиотека материалов по теме выпускной работы

Собственные публикации и доклады

1. Обнаружение и классификация объектов на изображении с помощью нейросетевых моделей семейства YOLO

   Авторы: А.Р. Муращенко, О.И. Федяев

   Описание: В работе рассматриваются основные методы и способы обнаружения и классификации объектов на изображении. Анализ показал достоинства и недостатки разных версий модели при обработке статичных изображений и обработке изображений в режиме реального времени. В качестве сравнения были выбраны модель YOLOv3 и YOLOv8.

   Источник: Источник: Современные информационные технологии в образовании и научных исследованиях (СИТОНИ-2023) : сб. материалов VIII Всерос. науч.-техн. конф., г. Донецк, 29 нояб. 2023 г. / отв. ред. В. Н. Павлыш. – Донецк : ДонНТУ, 2023. - С. 116-123.

2. Анализ факторов, влияющих на эффективность и стоимость проекта, который использует систему распознавания объектов

   Авторы: А.Р. Муращенко, А.В. Боднар

   Описание: В работе рассматриваются факторы, которые влияют на создание проекта с использованием системы распознавания объектов. Были составлены рекомендации, которые помогут повысить эффективность создания системы с использованием распознавания объектов, а также снизить стоимость всего проекта.

   Источник: Информатика, управляющие системы, математическое и компьютерное моделирование» (ИУСМКМ-2024) : сб. материалов XV Междунар. науч.-техн. конф. в рамках X Междунар. Науч. форума ДНР; Т.2 / Ред. кол.: Аноприенко А. Я. (пред.); Васяева Т. А.; Карабчевский В. В. [и др.]; от. ред. Р. В. Мальчева. – Донецк : ДонНТУ, 2024. – С. 354-358.

3. Трекинг движущихся объектов в реальном времени с помощью нейросетевой модели YOLOv9

   Авторы: А.Р. Муращенко, О.И. Федяев

   Описание: В работе рассматривается распознавание и трекинг движущихся объектов с помощью нейросетевой модели YOLOv9. Проанализирована и описана архитектура нейросетевой модели YOLOv9. Показан способ обнаружения движения человека с помощью сегментации на примере видео со студентами в аудитории. Показана функция трекинга объектов на примере видео с движением автомобилей по дороге.

   Источник: Информатика, управляющие системы, математическое и компьютерное моделирование» (ИУСМКМ-2024) : сб. материалов XV Междунар. науч.-техн. конф. в рамках X Междунар. Науч. форума ДНР; Т.2 / Ред. кол.: Аноприенко А. Я. (пред.); Васяева Т. А.; Карабчевский В. В. [и др.]; от. ред. Р. В. Мальчева. – Донецк : ДонНТУ, 2024. – С. 1110-1118.

Тематические статьи

4. Нейросетевой подход к распознаванию образов

   Авторы: Л.В. Серебряная, О.А. Шушина

   Описание: Даны решения задач распознавания образов на базе искусственных нейронных сетей в виде персептрона и карты Кохонена. Рассмотрены принципы построения, обучения и использования нейросетей. Указаны особенности нейросетевого подхода, а также круг задач, для которых он наиболее предпочтителен. Представлены алгоритмы функционирования, программная реализация и результаты работы искусственной нейронной сети.

   Источник: Нейросетевой подход к распознаванию образов. Л.В. Серебряная, О.А. Шушина. Белорусский государственный университет информатики и радиоэлектроники П. Бровки, 6, Минск, 220013, Беларусь.

5. Перспективы использования искусственных нейронных сетей с многоуровневыми квантователями в технологии биометрико-нейросетевой аутентификации

   Авторы: В.И. Волчихин, А.И. Иванов, В.А. Фунтиков, Е.А. Малыгина

   Описание: Целью данной работы является изменение парадигмы нейросетевой обработки; предложено от бинарных нейронов (персептронов) перейти к использованию нейронов с многоуровневыми квантователями. Материалы и методы. Сравнение проведено с использованием комплексного показателя качества кодов – энтропии (близости их к «белому шуму»).

   Источник: Волчихин, В. И. Перспективы использования искусственных нейронных сетей с многоуровневыми квантователями в технологии био-метрико-нейросетевой аутентификации / В. И. Волчихин, А. И. Иванов, В. А. Фунтиков, Е. А. Малыгина // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2013. – № 4 (28). – С. 86–96.