Исследование методов семантической сегментации для объектов типа прожилки
Аннотация
Выпускная квалификационная работа содержит 55 страницы, 37 рисунков, 3 таблицы, 45 литературных источников.
Ключевые слова: СЕМАНТИЧЕСКАЯ СЕГМЕНТАЦИЯ, · СЕГМЕНТАЦИЯ ЭКЗЕМПЛЯРОВ, СВЁРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, ОБНАРУЖЕНИЕ ОБЪЕКТОВ, АЛГОРИТМЫ ФИЛЬТРАЦИИ, ПРОБЛЕМА ГОРНОДОБЫВАЮЩЕЙ ПРОМЫШЛЕННОСТИ.
Объектом исследования являются цифровые изображения камней в открытом карьере.
Целью работы является разработка и реализация алгоритма детектирования и сегментации асбестовых прожилок с применением аппарата искусственного интеллекта.
В исследовании представлен аналитический обзор методов и существующих технических и программных систем, использующих методы искусственного интеллекта для сегментации на основных тестовых датасетах. Проведён анализ существующих моделей, протестированы новые модели на основе сверточных сетей (UNet и Attention Unet) и трансформеров (SegFormer), предложен лучший алгоритм для задачи сегментации асбестовых прожилок.
В результате применения модели искусственного интеллекта удалось эффективно решить задачу сегментации прожилок и достигнуть приемлемой точности полученных результатов при небольшой вычислительной мощности.
Областью применения разработанного алгоритма является не только его использование в рамках анализа содержания асбеста в снимках карьера. Полученные модели могут использоваться для определения дефектов на различной продукции и в медицине.
Ключевые слова: СЕМАНТИЧЕСКАЯ СЕГМЕНТАЦИЯ, · СЕГМЕНТАЦИЯ ЭКЗЕМПЛЯРОВ, СВЁРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, ОБНАРУЖЕНИЕ ОБЪЕКТОВ, АЛГОРИТМЫ ФИЛЬТРАЦИИ, ПРОБЛЕМА ГОРНОДОБЫВАЮЩЕЙ ПРОМЫШЛЕННОСТИ.
Объектом исследования являются цифровые изображения камней в открытом карьере.
Целью работы является разработка и реализация алгоритма детектирования и сегментации асбестовых прожилок с применением аппарата искусственного интеллекта.
В исследовании представлен аналитический обзор методов и существующих технических и программных систем, использующих методы искусственного интеллекта для сегментации на основных тестовых датасетах. Проведён анализ существующих моделей, протестированы новые модели на основе сверточных сетей (UNet и Attention Unet) и трансформеров (SegFormer), предложен лучший алгоритм для задачи сегментации асбестовых прожилок.
В результате применения модели искусственного интеллекта удалось эффективно решить задачу сегментации прожилок и достигнуть приемлемой точности полученных результатов при небольшой вычислительной мощности.
Областью применения разработанного алгоритма является не только его использование в рамках анализа содержания асбеста в снимках карьера. Полученные модели могут использоваться для определения дефектов на различной продукции и в медицине.