Класифікація частково видимих обʼєктів в умовах невизначеності

Abstract

Дипломна робота присвячена дослідженню та аналізу сучасних методів класифікації у задачах комп’ютерного зору в умовах невизначеності, зумовленої частковим перекриттям об’єктів. Дослідження охоплює оцінку ефективності сучасних архітектур ШІ для розпізнавання об’єктів з метою визначення їх здатності до роботи в умовах різного ступеня оклюзії та формування узагальненого підходу до аналізу їх поведінки. Таким чином, запропонований у роботі підхід дозволяє здійснювати комплексне тестування моделей детекції об’єктів у контрольованих умовах невизначеності та виконувати кількісну оцінку їх стійкості до часткової втрати візуальної інформації.

The thesis is devoted to the study and analysis of modern classification methods in computer vision tasks under uncertainty caused by partial object occlusion. The research includes the evaluation of the effectiveness of modern AI architectures for object recognition in order to determine their ability to operate under different levels of occlusion and to form a generalized approach to analyzing their behavior. Thus, the approach proposed in this work enables comprehensive testing of object detection models under controlled uncertainty conditions and provides a quantitative assessment of their robustness to partial loss of visual information.