Аннотация:Работа содержит 45 страниц текста (включая 22 страницы листинга программного кода),
рисунков - 19, формулы - 4, таблиц - 1, использованных источников – 9.
Ключевые слова: сегментация изображений, U-net, бинарный порог, сверточные
нейронные сети, пороговая функция.
Предмет исследования – серия изображений, полученных с высокоскоростной камеры
при регистрации полета насекомого.
Цель работы – разработка эффективного инструмента с использованием языка
программирования Python и фреймворков OpenCV и Pytorch для анализа траектории
полета насекомого.
Исследование проведено методом анализа литературы и руководящей документации к
программным, а также путем постановки серии вычислительных экспериментов.
В работе проведен сравнительный анализ применения различных фильтров из
библиотеки OpenCV и Sci-kit image к исходным изображениям, в том числе при наличии
оптических искажений и выбран наиболее подходящий для целей сегментации. На
основе сегментированных контуров насекомого получена траектория его полета в виде
кусочно-линейной функции. Также в работе представлены результаты решения задачи
сегментации исходных изображений на основе нейросетевой архитектуры U-Net.
Проведен сравнительный анализ эффективности функций потерь и выполнено
качественное сравнение полученных траекторий полета насекомого с использованием
разных методов сегментации.