Please use this identifier to cite or link to this item:
http://elar.urfu.ru/handle/10995/140329
Title: | Разработка модели сегментации морских млекопитающих : магистерская диссертация |
Other Titles: | Development of a model for segmentation of marine mammals |
Authors: | Иванов, А. И. Ivanov, A. I. |
metadata.dc.contributor.advisor: | Ронкин, М. В. Ronkin, M. V. |
Issue Date: | 2024 |
Publisher: | б. и. |
Citation: | Иванов А. И. Разработка модели сегментации морских млекопитающих : магистерская диссертация / А. И. Иванов ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления. — Екатеринбург, 2024. — 63 с. — Библиогр.: с. 56-62 (45 назв.). |
Abstract: | This work is devoted to the creation of a model for automatic segmentation of images of marine mammals, in particular dolphins, using machine learning methods and neural networks. The aim of the study was to develop an effective model for segmentation of marine mammals, which will improve the processes of monitoring and identification of these animals in their natural habitat. To achieve this goal, it is planned to analyze modern machine learning methods for the task of segmentation and identification of marine mammals, study the architectures of neural networks used in the field of segmentation and select suitable tools for implementing the model, collect and mark up a dataset with dolphin images, conduct experiments with training various neural network architectures, conduct experiments with augmentations and draw conclusions about the work done. The development of a marine mammal segmentation system proposed in the work has significant potential for improving the monitoring of populations and implementing strategies for preserving marine ecosystems. The created model allows to precisely highlight contours and areas of interest in images, which significantly simplifies the process of identification of individuals. The results of the study open up new opportunities for further research in the field of marine biology and environmental protection. Данная работа посвящена созданию модели для автоматической сегментации изображений морских млекопитающих, в частности дельфинов, с использованием методов машинного обучения и нейронных сетей. Цель исследования заключалась в разработке эффективной модели сегментации морских млекопитающих, которая позволит улучшить процессы мониторинга и идентификации данных животных в их естественной среде обитания. Для достижения этой цели предполагается провести анализ современных методов машинного обучения для задачи сегментации и идентификации морских млекопитающих, изучить архитектуры нейронных сетей, применяемых в области сегментации, и выбрать подходящие инструменты для реализации модели, собрать и разметить датасет с изображениями дельфинов, провести эксперименты с обучением различных архитектур нейронных сетей, провести эксперименты с аугментациями и сделать выводы о проделанной работе. Разработка системы сегментации морских млекопитающих, предложенная в работе, обладает значительным потенциалом для улучшения мониторинга популяций и реализации стратегий сохранения морских экосистем. Созданная модель позволяет точно выделить контуры и области интереса на изображениях, что значительно облегчает процесс идентификации особей. Результаты исследования открывают новые возможности для дальнейших исследований в области морской биологии и охраны окружающей среды. |
Keywords: | MASTER'S THESIS SEGMENTATION IDENTIFICATION NEURAL NETWORKS DOLPHINS COMPUTER VISION МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ СЕГМЕНТАЦИЯ ИДЕНТИФИКАЦИЯ НЕЙРОННЫЕ СЕТИ ДЕЛЬФИНЫ КОМПЬЮТЕРНОЕ ЗРЕНИЕ |
URI: | http://elar.urfu.ru/handle/10995/140329 |
Access: | Предоставлено автором на условиях простой неисключительной лицензии |
License text: | http://elar.urfu.ru/handle/10995/31613 |
PURE ID: | 67503178 |
Appears in Collections: | Магистерские диссертации |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
m_th_a.i.ivanov_2024.pdf | 13,03 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.