Кіктєв Микола ОлександровичВоробченко Ю. С.2023-11-072024-05-172023-11-072023Воробченко Ю. С. Система розпізнавання фрагментів дерев з використанням згорткових нейронних мереж : випускна кваліфікаційна робота бакалавра : 122 Комп’ютерні науки / Воробченко Ю. С. – Київ, 2023. – 48 с.https://ir.library.knu.ua/handle/123456789/5428Метою роботи є створення системи для розпізнавання об’єктів та аналіз методів розпізнавання на прикладі задачі розпізнавання фрагментів дерев. Об’єкт дослідження – набір візуальних даних з об’єктами, що належать до двох класів. Предмет дослідження – точність, перспективи та методи розпізнавання квітів та бутонів дерев. У ході виконання роботи було досліджено ефективність різних архітектур для розпізнавання об’єктів, виявлено найбільш перспективні, зроблено застосунок для використання натренованих моделей для розпізнавання. Майже всі моделі показують досить високу точність (>70%) для виконання практичних задач в аграрній промисловості та для збору інформації. Найкращі результати показала модель YOLO v5, яка в той же час потребувала найбільше часу на навчання. Ключові слова : розпізнавання, класифікація, нейронна мережа, глибинне навчання, згорткова мережа, дані.The purpose of the course work is to create a system for object recognition and analyze recognition methods on the example of the task of recognizing tree fragments. The object of research is a set of visual data with objects belonging to two classes. The subject of the study is the accuracy, perspectives, and methods of recognizing flowers and tree buds. Research methods - this work uses empirical research methods (experiments are conducted and the results are compared) and machine learning methods for image recognition. A program in the Python programming language has been developed to perform experimental studies. The results of the experimental studies were processed and analyzed. The main results of the work: various efficiencies of different architectures for object recognition were investigated, the most promising ones were identified, and an application for using trained models for recognition was made. Keywords : recognition, classification, neural network, deep learning, convolutional network, data.uaБакалаврська робота