Застосування машинного навчання та Erwin Data Modeler для розробки систем комп'ютерного зору

Abstract

Актуальність обраної теми визначається необхідністю пошуку ефективних підходів до розробки програмного забезпечення в галузі невідкладної допомоги, яке б одночасно відповідало вимогам гнучкості, надійності та високої продуктивності. Враховуючи зростаючий обсяг даних, що обробляються сучасними системами, питання архітектури та оптимізації бази даних стає таким же важливим, як і вибір алгоритмів машинного навчання. Метою диплому є проаналізувати можливості ітераційного підходу до розробки програмного забезпечення з використанням Erwin Data Modeler для підвищення продуктивності систем машинного навчання у комп'ютерному зорі. Розглянуті основи ітераційного підходу та його переваги в процесі розробки програмного забезпечення. Відтворив для себе приклади використання ітераційної розробки та моделювання даних у проектах комп'ютерного зору. Оцінив вплив комбінації вищезазначених інструментів на загальну продуктивність програмних рішень розробки. Предметом дослідження є процес розробки програмного забезпечення систем машинного навчання в області комп'ютерного зору. Диплом охоплює методи організації розробки, засоби моделювання даних та методи оптимізації продуктивності програмних систем ШІ. Об'єктом дослідження є програмно-алгоритмічна система автоматичної класифікації зображень собак за породами, реалізована засобами ML.NET і WPF, разом із внутрішніми моделями машинного навчання, методами підготовки даних та сучасним інтерфейсом. Новизна дослідження полягає в комплексному підході до взаємодії ітераційної розробки та моделювання даних у контексті комп'ютерного зору, зокрема галузі, яка потребує особливої уваги при обробці великих об'ємів зображень та їх ефективному аналізі.