Розробка застосунку для пошуку військової техніки та військових на відео
Тип публікації :
Магістерська робота
Дата випуску :
2023
Автор(и) :
Тара Олександр Миколайович
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Тара, О. М. (2023). Розробка застосунку для пошуку військової техніки та військових на відео [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/4985
[ДСТУ] Тара О. М. Розробка застосунку для пошуку військової техніки та військових на відео : кваліфікаційна робота магістра : 12 Інформаційні технології. Київ, 2023. 69 с. URL: https://ir.library.knu.ua/handle/123456789/4985 (дата звернення: 25.07.2026).
Метою дипломної роботи є розробка застосунку, який дозволить знаходити військову техніку та військових на відео, а також навчити існуючу модель розрізняти військові об’єкти з дронів.
Задача пошуку військових об’єктів є критичною у нинішній війні, а автоматизація цього процесу може допомогти українським військовим. Розробка застосунку, який дозволяє використовувати навчену модель для пошуку військової техніки та військових надасть зручний інтерфейс для навченої моделі.
Виконано загальний огляд відомих підходів до розв’язання поставленої задачі, проаналізовано переваги та недоліки використання різних архітектур нейронних мереж, запропоновано використання моделі YOLOv8, яка є найновішою та найкращою моделлю для пошуку об’єктів на зображенні.
Проведено навчання моделі на власному датасеті. Модель навчено з використанням методу навчання з підкріпленням, що дозволяє зберегти надбання YOLOv8 у задачі пошуку об’єктів і водночас змінити модель під наші потреби. Створено додаток, який слугує інтерфейсом для роботи з навченою моделлю.
Ключові слова : нейронна мережа, пошук об’єктів, детекція, андроїд, датасет, архітектура, TENSORFLOW LITE, MULTIK, OPENCV, тензор.
Задача пошуку військових об’єктів є критичною у нинішній війні, а автоматизація цього процесу може допомогти українським військовим. Розробка застосунку, який дозволяє використовувати навчену модель для пошуку військової техніки та військових надасть зручний інтерфейс для навченої моделі.
Виконано загальний огляд відомих підходів до розв’язання поставленої задачі, проаналізовано переваги та недоліки використання різних архітектур нейронних мереж, запропоновано використання моделі YOLOv8, яка є найновішою та найкращою моделлю для пошуку об’єктів на зображенні.
Проведено навчання моделі на власному датасеті. Модель навчено з використанням методу навчання з підкріпленням, що дозволяє зберегти надбання YOLOv8 у задачі пошуку об’єктів і водночас змінити модель під наші потреби. Створено додаток, який слугує інтерфейсом для роботи з навченою моделлю.
Ключові слова : нейронна мережа, пошук об’єктів, детекція, андроїд, датасет, архітектура, TENSORFLOW LITE, MULTIK, OPENCV, тензор.
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
23.04 MB
Контрольна сума :
(MD5):a8f4022f37ccaa4b4c055f7ab4950e24
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International