Розмір шрифта:
РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ ЗА ДОПОМОГОЮ МЕТОДІВ МАШИННОГО НАВЧАННЯ
Остання редакція: 2026-05-27
Анотація
У роботі розглянуто застосування згорткових нейронних мереж для задач розпізнавання зображень у рамках
сучасних підходів машинного навчання. Проаналізовано принципи функціонування згорткових мереж, їх
архітектуру та основні етапи навчання моделей на розмічених наборах даних. Особливу увагу приділено процесу
автоматичного виділення ознак, що дозволяє значно підвищити точність класифікації порівняно з
традиційними методами. Описано ключові етапи підготовки даних, зокрема нормалізацію, аугментацію та
розділення вибірки. Визначено переваги використання CNN у задачах комп’ютерного зору.
сучасних підходів машинного навчання. Проаналізовано принципи функціонування згорткових мереж, їх
архітектуру та основні етапи навчання моделей на розмічених наборах даних. Особливу увагу приділено процесу
автоматичного виділення ознак, що дозволяє значно підвищити точність класифікації порівняно з
традиційними методами. Описано ключові етапи підготовки даних, зокрема нормалізацію, аугментацію та
розділення вибірки. Визначено переваги використання CNN у задачах комп’ютерного зору.
Ключові слова
машинне навчання, комп’ютерний зір, згорткові нейронні мережі, класифікація зображень, глибоке навчання.
Посилання
1. Goodfellow I., Bengio Y., Courville A. Deep Learning. – MIT Press, 2016. – 800 p. [Електронний ресурс]. – Режим доступу:
https://www.deeplearningbook.org/
2. Google. Machine Learning Crash Course [Електронний ресурс]. – Режим доступу: https://developers.google.com/machinelearning
3.IBM. Computer Vision: What It Is and Why It Matters [Електронний ресурс]. – Режим доступу:
https://www.ibm.com/topics/computer-vision
4.Scikit-learn. Model Evaluation Metrics [Електронний ресурс]. – Режим доступу: https://scikitlearn.org/stable/modules/model_evaluation.html
5.TensorFlow. Image Classification Tutorial [Електронний ресурс]. – Режим доступу:
https://www.tensorflow.org/tutorials/images/classification
6. He K., Zhang X., Ren S., Sun J. Deep Residual Learning for Image Recognition // Proceedings of the IEEE CVPR. – 2016. – P.
770–778.
7. Leshchenko Yu., Yukhimchuk M., Lesko V., Ivanov Yu. Integrating Clustering and Artificial Intelligence for Improved Efficiency
in Last-Mile Logistics. Measuring and Computing Devices in Technological Processes. 2025. Vol. 84 (4). pp. 346-350. [Електронний
ресурс]. - Режим доступу: https://doi.org/10.31891/2219-9365-2025-84-41
8.Юхимчук М.С., Лесько В.О., Дубовой В.М., Іванов Ю.Ю. Інтелектуальна система автоматичного керування процесом
сушіння зернових культур на основі IoT-технологій. Наукові праці ВНТУ. Вінниця: ВНТУ, 2025. №4. C. 1-8. [Електронний
ресурс].- Режим доступу: https://doi.org/10.31649/2307-5376-2025-4-46-53
9.Development and Research of the Hardware and Software Architecture of an IoT-Node for Monitoring Technological Parameters
Based on Nodemcu V3 and Prometheus / M.S. Yukhymchuk, V.O. Lesko, Yu.Yu. Ivanov, P.P. Strembitskiy. Measuring Technology
and Metrology. Lviv: Lviv Polytechnic National University, 2026. Issue 87, № 1. pp. 59-62. [Електронний ресурс]. - Режим доступу:
https://doi.org/10.23939/istcmtm2026.01.059.
10.Проєктування системи автоматичного управління технологічним процесом сушіння зерна / М.С. Юхимчук, В.О. Лесько,
Ю.Ю. Іванов, Ю.А. Горчук, О.В. Климчук. Наукові праці ВНТУ. Вінниця: ВНТУ, 2026. № 1. C. 1-17.
https://www.deeplearningbook.org/
2. Google. Machine Learning Crash Course [Електронний ресурс]. – Режим доступу: https://developers.google.com/machinelearning
3.IBM. Computer Vision: What It Is and Why It Matters [Електронний ресурс]. – Режим доступу:
https://www.ibm.com/topics/computer-vision
4.Scikit-learn. Model Evaluation Metrics [Електронний ресурс]. – Режим доступу: https://scikitlearn.org/stable/modules/model_evaluation.html
5.TensorFlow. Image Classification Tutorial [Електронний ресурс]. – Режим доступу:
https://www.tensorflow.org/tutorials/images/classification
6. He K., Zhang X., Ren S., Sun J. Deep Residual Learning for Image Recognition // Proceedings of the IEEE CVPR. – 2016. – P.
770–778.
7. Leshchenko Yu., Yukhimchuk M., Lesko V., Ivanov Yu. Integrating Clustering and Artificial Intelligence for Improved Efficiency
in Last-Mile Logistics. Measuring and Computing Devices in Technological Processes. 2025. Vol. 84 (4). pp. 346-350. [Електронний
ресурс]. - Режим доступу: https://doi.org/10.31891/2219-9365-2025-84-41
8.Юхимчук М.С., Лесько В.О., Дубовой В.М., Іванов Ю.Ю. Інтелектуальна система автоматичного керування процесом
сушіння зернових культур на основі IoT-технологій. Наукові праці ВНТУ. Вінниця: ВНТУ, 2025. №4. C. 1-8. [Електронний
ресурс].- Режим доступу: https://doi.org/10.31649/2307-5376-2025-4-46-53
9.Development and Research of the Hardware and Software Architecture of an IoT-Node for Monitoring Technological Parameters
Based on Nodemcu V3 and Prometheus / M.S. Yukhymchuk, V.O. Lesko, Yu.Yu. Ivanov, P.P. Strembitskiy. Measuring Technology
and Metrology. Lviv: Lviv Polytechnic National University, 2026. Issue 87, № 1. pp. 59-62. [Електронний ресурс]. - Режим доступу:
https://doi.org/10.23939/istcmtm2026.01.059.
10.Проєктування системи автоматичного управління технологічним процесом сушіння зерна / М.С. Юхимчук, В.О. Лесько,
Ю.Ю. Іванов, Ю.А. Горчук, О.В. Климчук. Наукові праці ВНТУ. Вінниця: ВНТУ, 2026. № 1. C. 1-17.
Повний текст:
PDF