Моделювання нейромережевого алгоритму для аналізу дефектів відеопотоку

Simple item page
dc.contributor.authorОстровська, Катерина Юріївнаuk_UA
dc.contributor.authorЗимогляд, Андрій Юрійовичuk_UA
dc.contributor.authorКозакова, Анастасія Олександрівнаuk_UA
dc.date.accessioned2025-04-30T13:19:00Z
dc.date.available2025-04-30T13:19:00Z
dc.date.issued2025
dc.descriptionК. Островська: ORCID 0000-0002-9375-4121uk_UA
dc.description.abstractUKR: В роботі зроблено огляд на існуючі наукові роботи з аналізу відео на виявлення дефектів та технологій цифрового мовлення. Розглядається створення дата-сета, розподілу даних по вибіркам. Описується навчання нейромережевих моделей та отримання результатів навчання. Реалізації методу використання навченої нейронної мережевої моделі.uk_UA
dc.description.abstractENG: The paper provides an overview of existing scientific works on video analysis for defect detection and digital broadcasting technologies. The creation of a data set, data distribution by samples are considered. The training of neural network models and obtaining training results are described. Implementation of the method of using a trained neural network model. From the results obtained, we can draw an unfortunate conclusion that the trained model YOLOv8x.pt has the highest accuracy in detecting defects. After obtaining the best results of model training, it was found that the highest resolution affects the quality of error detection only up to a certain value. On this training sample, a sufficient resolution for image detection is 540x540 pixels. The computing resources of the Google Colaboratory service are limited for free use, so the number of training epochs was reduced for the YOLOv8x.pt and yolov5x6u.pt models. Even with fewer training epochs, the YOLOv8x.pt model was able to show the best result. For further use, the trained neural network model YOLOv8x.pt will be used.en
dc.identifier.citationОстровська К. Ю., Зимогляд А. Ю., Козакова А. О. Моделювання нейромережевого алгоритму для аналізу дефектів відеопотоку. Системні технології. Дніпро, 2025. Т. 3, № 158. С. 110–116. DOI: https://doi.org/10.34185/1562-9945-3-158-2025-11.uk_UA
dc.identifier.doihttps://doi.org/10.34185/1562-9945-3-158-2025-11en
dc.identifier.issn1562-9945 (Print)
dc.identifier.issn2707-7977 (Online)
dc.identifier.urihttps://journals.nmetau.edu.ua/index.php/st/article/view/2013en
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/20211en
dc.language.isouk
dc.publisherУкраїнський державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпроuk_UA
dc.subjectнейромережаuk_UA
dc.subjectзгорткова нейронна мережаuk_UA
dc.subjectдата-сетuk_UA
dc.subjectдефектuk_UA
dc.subjectвідеофайлuk_UA
dc.subjectвідеотрансляціяuk_UA
dc.subjectвідеомовленняuk_UA
dc.subjectneural networken
dc.subjectconvolutional neural networken
dc.subjectdata seten
dc.subjectdefecten
dc.subjectvideo fileen
dc.subjectvideo broadcasten
dc.subjectvideo broadcasten
dc.subjectКІТСuk_UA
dc.subject.classificationTECHNOLOGY::Information technologyen
dc.titleМоделювання нейромережевого алгоритму для аналізу дефектів відеопотокуuk_UA
dc.title.alternativeSimulation of a Neural Network Algorithm for the Analysis of Video Flow Defectsen
dc.typeArticleen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Ostrovska.pdf
Size:
814.28 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Том 3 № 158 (СТ ДМетІ)
Статті КІТС (ДМетІ)