Показати скорочену інформацію

dc.contributor.authorПрокопенко, О. С.uk
dc.contributor.authorСмеляков, С. В.uk
dc.contributor.authorProkopenko, O. S.en
dc.contributor.authorSmeliakov, S. V.en
dc.date.accessioned2026-08-27T12:25:15Z
dc.date.available2026-08-27T12:25:15Z
dc.date.issued2026
dc.identifier.citationПрокопенко О. С., Смеляков С. В. Розробка ефективної системи пошуку зображень на основі змісту, заснованого на виявлених об’єктах у сховищах великих даних // Наукові праці Вінницького національного технічного університету. Електрон. текст. дані (PDF: 762 КБ). 2026. № 1. URI: https://praci.vntu.edu.ua/index.php/praci/article/view/929.uk
dc.identifier.issn2307-5376
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/52408
dc.description.abstractОб’єктом дослідження є пошук зображень на основі вмісту. Предметом дослідження є моделі та методи пошуку зображень на основі вмісту (CBIR), а також керування великими обсягами медіаконтенту в масштабних системах зберігання зображень. Метою роботи є розроблення ефективної системи пошуку зображень на основі вмісту з використанням сучасних моделей комп’ютерног озору для виявлення об’єктів. Результати виявлення об’єктів використовуються для побудови бази даних, що містить дескриптори зображень. Запропонована система пошуку зображень на основі вмісту спрямована на підвищення ефективності та точності процесів пошуку та керування зображеннями. Розроблено CBIR-систему, яка здійснює пошук зображень на основі об’єктів, виявлених за допомогою сучасних моделей машинного навчання; проведено серію експериментів для оцінювання ефективності та якості пошуку у великих сховищах зображень із використанням запропонованої CBIR-системи. Експерименти порівняли її продуктивність з наявними методами, підкресливши її сильні сторони та обмеження, а саме: швидше створення дескрипторів, швидше порівняння дескрипторів порівняно з хеш-базованими, ручними та глибинними дескрипторами; ефективне фільтрування даних у сховищі зображень на основі вмісту об’єктів, що дає змогу здійснювати цільовий пошук; вища якість і швидкість пошуку зображень у великих депозитаріях даних порівняно з аналогами. Водночас ефективність системи значною мірою залежить від якості моделі та даних, використаних для виявлення об’єктів, оскільки зображення без виявлених об’єктів не з’являтимуться в результатах пошуку, що потенційно може обмежувати повноту вибірки.uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofНаукові праці Вінницького національного технічного університету. № 1.uk
dc.relation.urihttps://praci.vntu.edu.ua/index.php/praci/article/view/929
dc.subjectобробка зображеньuk
dc.subjectкласифікація та детекціяuk
dc.subjectмашинне навчанняuk
dc.subjectдескриптор зображенняuk
dc.subjectпошук зображень на основі вмісту (CBIR)uk
dc.subjectвеликі даніuk
dc.subjectзберігання зображеньuk
dc.subjectоптимізація пошуку зображеньuk
dc.subjectінформаційні технологіїuk
dc.titleРозробка ефективної системи пошуку зображень на основі змісту, заснованого на виявлених об’єктах у сховищах великих данихuk
dc.title.alternativeDevelopment of the efficient system for image search, with reference to the content, based on the revealed objects in big data storageen
dc.typeArticle, professional native edition
dc.typeArticle
dc.identifier.udc621.39;004.9;004.92
dc.relation.referencesRafael C. Gonzalez, Richard E. Woods Digital Image Processing, 4th. ed., Pearson/Prentice Hall, 2018. 1168 p. DOI/ISBN:9780133356724.en
dc.relation.referencesHolistic Descriptors of Omnidirectional Color Images and Their Performance in Estimation of Position and Orientation / F. Amorós et al. IEEE Access. 2020. Vol. 8. P. 81822 – 81848. DOI:10.1109/ACCESS.2020.2990996.en
dc.relation.referencesPrior-Based Quantization Bin Matching for Cloud Storage of JPEG Images / X. Liu et al. IEEE Transactions on Image Processing. July 2018. Vol. 27, №7. P. 3222 – 3235. DOI: 10.1109/TIP.2018.2799704.en
dc.relation.referencesA NewApproach to Descriptors Generation for Image Retrievalby Analyzing Activations of Deep Neural Network Layers / P. Staszewski et al. IEEE Transactionson Neural Networks and Learning Systems. Dec. 2022. Vol. 33, №12. P. 7913–7920. DOI: 10.1109/TNNLS.2021.3084633.en
dc.relation.referencesLearning Enriched Feature Descriptor for Image Matching and Visual Measurement / Y. Rao et al. IEEE Transactions on Instrumentation and Measurement. 2023. Vol. 72. P. 1 – 12. Artno. 5008512. DOI: 10.1109/TIM.2023.3249237.en
dc.relation.referencesGajjar V., Khandhediya Y., Gurnani A. Human Detection and Tracking for Video Surveillance: A Cognitive Science Approach, 2017. IEEE International Conference on Computer Vision Workshops (ICCVW). Venice, Italy, 2017. P. 2805–2809. DOI: 10.1109/ICCVW.2017.330.en
dc.relation.referencesRafaelC.Gonzalez,RichardE.WoodsDigitalImageProcessing,4th.ed.,Pearson/PrenticeHall,2018. 1168 p. DOI/ISBN:9780133356724.en
dc.relation.referencesHolistic Descriptors of Omnidirectional Color Images and Their Performance in Estimation of Position and Orientation / F.Amorósetal. IEEE Access.2020. Vol.8. P.81822 –81848. DOI:10.1109/ACCESS.2020.2990996.en
dc.relation.referencesIn Search of Big Medical Data Integration Solutions - A Comprehensive Survey / H. Dhayne et al. IEEE Access. 2019. Vol. 7. P. 91265–91290. DOI: 10.1109/ACCESS.2019.2927491.en
dc.relation.referencesPrior-Based Quantization Bin Matching for Cloud Storage of JPEG Images / X. Liu et al. IEEE Transactions on Image Processing. July 2018. Vol. 27, No7. P. 3222 –3235. DOI: 10.1109/TIP.2018.2799704.en
dc.relation.referencesTruong X. -T., Yoong V. N., Ngo T. -D. RGB-D and laser data fusion-based human detection and tracking for socially aware robot navigation framework. 2015 IEEE International Conference on Robotics and Biomimetics (ROBIO). Zhuhai, China. 2015. P. 608–613. DOI: 10.1109/ROBIO.2015.7418835.en
dc.relation.referencesA New Approach to Descriptors Generation for Image Retrievalby Analyzing Activations of Deep Neural Network Layers / P. Staszewski et al. IEEE Transactionson Neural Networks and Learning Systems. Dec. 2022.Vol. 33, No12. P. 7913–7920. DOI: 10.1109/TNNLS.2021.3084633.en
dc.relation.referencesObject Detection Using Convolutional Neural Networks / R. L. Galvez et al. TENCON 2018 – 2018 IEEE Region 10 Conference. Jeju, Korea (South), 2018. P. 2023–2027. DOI: 10.1109/TENCON.2018.8650517.en
dc.relation.referencesLearning Enriched Feature Descriptor for Image Matching and Visual Measurement / Y. Rao et al. IEEE Transactions on Instrumentation and Measurement. 2023. Vol.72. P.1–12.Artno.5008512.DOI: 10.1109/TIM.2023.3249237.en
dc.relation.referencesAn Image is Worth 16x16 Words: Transformers for Image Recognition at Scale / A. Dosovitskiy et al.en
dc.relation.referencesIn Search of Big Medical Data Integration Solutions -A Comprehensive Survey / H. Dhayne et al. IEEE Access. 2019. Vol. 7. P. 91265–91290. DOI: 10.1109/ACCESS.2019.2927491.en
dc.relation.referencesInternational Conference on Learning Representations. 2021. DOI: 10.48550/arXiv.2010.11929.en
dc.relation.referencesTruongX. -T.,YoongV. N., NgoT. -D.RGB-Dand laser data fusion-basedhuman detection andtracking for socially aware robot navigation framework. 2015 IEEE International Conference on Robotics and Biomimetics (ROBIO). Zhuhai, China. 2015. P. 608–613. DOI: 10.1109/ROBIO.2015.7418835.en
dc.relation.referencesObject Detection Using Convolutional Neural Networks / R. L. Galvez et al. TENCON 2018 –2018 IEEE Region 10 Conference. Jeju, Korea (South), 2018. P. 2023–2027. DOI: 10.1109/TENCON.2018.8650517.en
dc.relation.referencesAn Image is Worth 16x16 Words: Transformers for Image Recognitionat Scale / A.Dosovitskiyet al.en
dc.relation.referencesInternational Conference on Learning Representations .2021. DOI:10.48550/arXiv.2010.11929.en
dc.identifier.doihttps://doi.org/10.31649/2307-5376-2026-1-172-185
dc.identifier.orcidhttps://orcid.org/0000-0003-0489-6820
dc.identifier.orcidhttps://orcid.org/0000-0002-5791-2479


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію