| dc.contributor.author | Прокопенко, О. С. | uk |
| dc.contributor.author | Смеляков, С. В. | uk |
| dc.contributor.author | Prokopenko, O. S. | en |
| dc.contributor.author | Smeliakov, S. V. | en |
| dc.date.accessioned | 2026-08-27T12:25:15Z | |
| dc.date.available | 2026-08-27T12:25:15Z | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | Прокопенко 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.issn | 2307-5376 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/52408 | |
| dc.description.abstract | Об’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.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Наукові праці Вінницького національного технічного університету. № 1. | uk |
| dc.relation.uri | https://praci.vntu.edu.ua/index.php/praci/article/view/929 | |
| dc.subject | обробка зображень | uk |
| dc.subject | класифікація та детекція | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | дескриптор зображення | uk |
| dc.subject | пошук зображень на основі вмісту (CBIR) | uk |
| dc.subject | великі дані | uk |
| dc.subject | зберігання зображень | uk |
| dc.subject | оптимізація пошуку зображень | uk |
| dc.subject | інформаційні технології | uk |
| dc.title | Розробка ефективної системи пошуку зображень на основі змісту, заснованого на виявлених об’єктах у сховищах великих даних | uk |
| dc.title.alternative | Development of the efficient system for image search, with reference to the content, based on the revealed objects in big data storage | en |
| dc.type | Article, professional native edition | |
| dc.type | Article | |
| dc.identifier.udc | 621.39;004.9;004.92 | |
| dc.relation.references | Rafael C. Gonzalez, Richard E. Woods Digital Image Processing, 4th. ed., Pearson/Prentice Hall, 2018. 1168 p. DOI/ISBN:9780133356724. | en |
| dc.relation.references | Holistic 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.references | Prior-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.references | A 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.references | Learning 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.references | Gajjar 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.references | RafaelC.Gonzalez,RichardE.WoodsDigitalImageProcessing,4th.ed.,Pearson/PrenticeHall,2018. 1168 p. DOI/ISBN:9780133356724. | en |
| dc.relation.references | Holistic 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.references | In 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.references | Prior-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.references | Truong 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.references | A 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.references | Object 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.references | Learning 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.references | An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale / A. Dosovitskiy et al. | en |
| dc.relation.references | In 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.references | International Conference on Learning Representations. 2021. DOI: 10.48550/arXiv.2010.11929. | en |
| dc.relation.references | TruongX. -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.references | Object 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.references | An Image is Worth 16x16 Words: Transformers for Image Recognitionat Scale / A.Dosovitskiyet al. | en |
| dc.relation.references | International Conference on Learning Representations .2021. DOI:10.48550/arXiv.2010.11929. | en |
| dc.identifier.doi | https://doi.org/10.31649/2307-5376-2026-1-172-185 | |
| dc.identifier.orcid | https://orcid.org/0000-0003-0489-6820 | |
| dc.identifier.orcid | https://orcid.org/0000-0002-5791-2479 | |