Abstract

Актуальність. Протягом багатьох десятиліть люди мріяли створити машини, які могли б зрівнятись по характеристикам з людським інтелектом та мислити й діяти як люди. Однією з найцікавіших ідей було дати комп’ютерам можливість «бачити» та інтерпретувати навколишній світ у зручний для розуміння комп’ютером. Завдяки прогресу в галузі штучного інтелекту, інноваціям в області deep learning та нейронних мережах ця сфера змогла зробити значний стрибок за останні роки та перевершити людей у деяких задачах, пов’язаних із виявленням та маркуванням об’єктів. Метою даної роботи є розгляд та порівняльний аналіз існуючих засобів сегментації зображень, зокрема, з використанням методів кластеризації. Об’єктом дослідження виступають алгоритми сегментації зображень, які є ключовими у сфері комп'ютерного зору для розпізнавання та аналізу об'єктів. Предметом дослідження є конкретне використання методів кластеризації в цих алгоритмах, їх ефективність та точність. Результати. У даній роботі проведено розгляд та порівняльний аналіз основних методів кластеризації даних. Виявлено 3 найпоширеніші та найперспективніші для покращення алгоритми. Для кожного з них описано принцип роботи, виділено їх головні переваги та недоліки. Висновок. Серед розглянутих методів немає найкращого універсального вибору, оскільки ефективність кожного з них залежить від конкретної задачі. Описані алгоритми плануються бути використані для їх подальших досліджень та модифікацій.

Full Text
Published version (Free)

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call