Аналіз існуючих методів розпізнавання об'єктів на прикладі зображеннях вебсторінок
| dc.contributor.author | Царик, Владислав Юрійович | uk_UA |
| dc.date.accessioned | 2025-04-01T08:38:02Z | |
| dc.date.available | 2025-04-01T08:38:02Z | |
| dc.date.issued | 2023 | |
| dc.description | В. Царик: ORCID 0000-0001-6449-8037 | uk_UA |
| dc.description.abstract | UKR: Розпізнавання об’єктів на веб-сторінках – це процес автоматичного виявлення та класифікації об’єктів на зображеннях веб-сайту. У роботі аналізуються методи розпізнавання об’єктів на цифрових зображеннях для сегментації веб-сайтів для подальшого аналізу. На основі аналізу методів розпізнавання об’єктів на зображеннях веб-сторінок зроблено висновок, що методи глибокого навчання можуть бути дуже ефективними для розпізнавання об’єктів з великою кількістю даних, але вони можуть потребувати значних обчислювальних ресурсів і даних для навчання. Геометричні функції можуть бути ефективними для розпізнавання об’єктів стандартизованих форм і розмірів, але вони можуть бути менш ефективними для розпізнавання об’єктів із великою мінливістю форм і розмірів. Вибір методу розпізнавання об’єктів на зображеннях веб-сайтів залежить від різних факторів, таких як розмір набору даних, характеристики ідентифікованих об’єктів, доступні для використання обчислювальні ресурси та багато інших факторів. | uk_UA |
| dc.description.abstract | ENG: Object recognition on web pages is the process of automatic detection and classification of objects on website images. The work analyzes the methods of recognition of objects on digital images for segmentation of websites for further analysis. Based on the analysis of the methods of recognition of objects on the images of web pages, it is concluded that deep learning methods can be very effective for recognizing objects with a lot of data, but they may require significant computing resources and data for training. Geometric functions can be effective for recognizing objects with standardized shapes and sizes, but they can be less effective for recognizing objects with high variability in forms and sizes. The choice of object recognition method on the images of websites depends on various factors, such as the size of the data set, the characteristics of the identified objects, computingresources available for use, and many other factors. | en |
| dc.identifier.citation | Царик В. Ю. Аналіз існуючих методів розпізнавання об'єктів на прикладі зображеннях вебсторінок. Інформаційні технології в металургії та машинобудуванні – ІТММ’2023 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 22 березня 2023 р.). Дніпро, 2023. C. 334–337. DOI: https://doi.org/10.34185/1991-7848.itmm.2023.01.089. | uk_UA |
| dc.identifier.doi | https://doi.org/10.34185/1991-7848.itmm.2023.01.089 | en |
| dc.identifier.issn | 2708-0102 (Online) | |
| dc.identifier.uri | https://journals.nmetau.edu.ua/index.php/itmm/article/view/1657 | en |
| dc.identifier.uri | https://crust.ust.edu.ua/handle/123456789/19964 | en |
| dc.language.iso | uk | |
| dc.publisher | Український державний університет науки і технологій, ІВК «Системні технології», Дніпро | uk_UA |
| dc.subject | сегментація зображень | uk_UA |
| dc.subject | класифікація зображень | uk_UA |
| dc.subject | глибоке навчання | uk_UA |
| dc.subject | метод ковзного вікна | uk_UA |
| dc.subject | бінарна сегментація | uk_UA |
| dc.subject | опис векторних зображень | uk_UA |
| dc.subject | image segmentation | en |
| dc.subject | image classification | en |
| dc.subject | deep learning | en |
| dc.subject | sliding window method | en |
| dc.subject | binary segmentation | en |
| dc.subject | vector image description | en |
| dc.subject | КІТС | uk_UA |
| dc.subject.classification | TECHNOLOGY::Information technology::Image analysis | en |
| dc.title | Аналіз існуючих методів розпізнавання об'єктів на прикладі зображеннях вебсторінок | uk_UA |
| dc.title.alternative | Analysis of Existing Object Recognition Methods on the Example of Web Page Images | en |
| dc.type | Thesis | en |