Інтерактивна система автоматичного розпізнавання статичних об’єктів на цифрових зображеннях

Abstract

Магістерська кваліфікаційна робота спрямована на розробку інтерактивної системи автоматичного розпізнавання статичних об’єктів на цифрових зображеннях. Під час виконання магістерської кваліфікаційної роботи було проаналізовано основні алгоритми та методи розпізнавання статичних об’єктів та класифікації їх вихідної інформації, виконано порівняльний аналіз та виявлено їх переваги та недоліки. Розроблено інтерактивну ситему для автоматичного розпізнавання та класифікації статичних об’єктів на цифрових зображеннях, у вигляді прикладного додатку для персональних комп’ютерів на базі ОС сімейства Windows, з використанням нейронної мережі, у відповідності до завдання використовуючи сучасні методи розробки прикладних додатків для персональних комп’ютерів. Використано наступний стек технологій: • Для реалізації інтерфейсу користувача: C#, WPF; • Для реалізації модулю розпізнавання статичних об’єктів: Python; • Для реалізації нейронної мережі: Python, TensorFlow. Було проведено тестування розробленого прикладного додатку у відповідності до основних методик тестування програмного забезпечення.

The master’s degree work aims to develop an interactive system of automatic recognition of static objects in digital images. During the execution of the master’s degree work, the main algorithms and methods of recognition of static objects and the classification of their initial information were analyzed, a comparative analysis was performed and their advantages and disadvantages were identified. An interactive system for the automatic recognition and classification of static objects in digital images has been developed, in the form of an application for personal computers based on Windows OS, using a neural network, in accordance with the task using modern methods of developing applications for personal computers. The following technology stack was used: • For user interface impementation: C#, WPF; • For module for recognizing static objects implementation: Python; • For neural network implementation: Python, TensorFlow. Developed application was tested in accordance with the main software testing techniques.