ГІБРИДНИЙ ПІДХІД ДО РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ НА ОСНОВІ НЕЙРОМЕРЕЖЕВОЇ ЕКСТРАКЦІЇ ОЗНАК ТА КЛАСИЧНИХ МЕТОДІВ КЛАСИФІКАЦІЇ
Information Technology: Computer Science, Software Engineering and Cyber Security · 10.11.2026 · (3) · 330-338
DOI: 10.32782/it/2026-3-33 ↗Kurz gefasst
Fachartikel in der Zeitschrift Information Technology: Computer Science, Software Engineering and Cyber Security, online erschienen am 10.11.2026. Verfasst von Владислав П’ЯТАЧЕНКО und 1 weiteren Autor:innen. Die Arbeit nennt 11 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
У роботі розглянуто проблему підвищення достовірності розпізнавання зображень у задачах комп’ютерного зору шляхом поєднання методів нейромережевої екстракції ознак та сучасних алгоритмів машинного навчання. Водночас досліджено вплив якості сформованого ознакового простору на точність машинного навчання. Метою дослідження є оцінювання функціональної ефективності гібридного підходу до розпізнавання зображень, який передбачає використання нейронної мережі як екстрактора ознак із подальшою класифікацією за допомогою традиційних алгоритмів машинного навчання. Запропонована архітектура використовує Faster R-CNN для формування ознакового простору та окремий класифікаційний модуль, реалізований на основі логістичної регресії, методу опорних векторів, k-найближчих сусідів і градієнтного бустингу. Методологія дослідження передбачає використання відкритого набору даних дорожніх сцен, що містить анотовані об’єкти транспортної інфраструктури. Для формування ознак досліджено три варіанти базових мереж Faster R-CNN: ResNet18, MobileNetV2 та EfficientNet-B0. Отримані внутрішні представлення агрегувалися у вектори фіксованої розмірності та використовувалися як вхідні дані для класифікаторів. Експериментальне дослідження включало порівняння різних комбінацій екстракторів ознак і алгоритмів класифікації з оцінюванням за показниками точності та F1-міри. Наукова новизна роботи полягає у встановленні особливостей впливу нейромережевого екстрактора ознак та класифікаційного алгоритму на якість розпізнавання в межах модульної гібридної архітектури. Науковий результат роботи полягає не у самому поєднанні нейромережевого екстрактора з класичними методами машинного навчання, а в систематичному порівнянні комбінацій трьох екстракторів ознак на основі Faster R-CNN та чотирьох класичних алгоритмів класифікації за єдиною експериментальною схемою. Це дозволило окремо оцінити вплив вибору екстрактора та класифікатора на результати розпізнавання та визначити особливості їх взаємодії в межах досліджуваної задачі. Висновки підкреслюють, що в межах проведеного експериментального дослідження вибір нейромережевого екстрактора ознак мав більший вплив на ефективність розпізнавання, ніж вибір конкретного класифікаційного алгоритму. Найкращі результати продемонстрував екстрактор ознак на базі EfficientNet-B0 у поєднанні з логістичною регресією. Водночас виявлено суттєвий вплив дисбалансу класів на якість розпізнавання менш представлених категорій об’єктів. Перспективи подальших досліджень пов’язані з удосконаленням методів формування ознакового простору, застосуванням альтернативних підходів до класифікації, зокрема інформаційно-екстремального машинного навчання як перспективної альтернативи нейроподібним структурам, а також дослідженням способів підвищення стійкості моделей до незбалансованих даних.
Zitieren
APA
П’ЯТАЧЕНКО, В., & ГРИЦЕНКО, О. (2026). ГІБРИДНИЙ ПІДХІД ДО РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ НА ОСНОВІ НЕЙРОМЕРЕЖЕВОЇ ЕКСТРАКЦІЇ ОЗНАК ТА КЛАСИЧНИХ МЕТОДІВ КЛАСИФІКАЦІЇ. Information Technology: Computer Science, Software Engineering and Cyber Security, 330-338. https://doi.org/10.32782/it/2026-3-33
Vancouver
П’ЯТАЧЕНКО В, ГРИЦЕНКО О. ГІБРИДНИЙ ПІДХІД ДО РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ НА ОСНОВІ НЕЙРОМЕРЕЖЕВОЇ ЕКСТРАКЦІЇ ОЗНАК ТА КЛАСИЧНИХ МЕТОДІВ КЛАСИФІКАЦІЇ. Information Technology: Computer Science, Software Engineering and Cyber Security. 2026:330-338. doi:10.32782/it/2026-3-33
BibTeX
@article{2026,
author = {П’ЯТАЧЕНКО, Владислав and ГРИЦЕНКО, Олексій},
title = {ГІБРИДНИЙ ПІДХІД ДО РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ НА ОСНОВІ НЕЙРОМЕРЕЖЕВОЇ ЕКСТРАКЦІЇ ОЗНАК ТА КЛАСИЧНИХ МЕТОДІВ КЛАСИФІКАЦІЇ},
journal = {Information Technology: Computer Science, Software Engineering and Cyber Security},
year = {2026},
number = {3},
pages = {330--338},
doi = {10.32782/it/2026-3-33}
}
EUVIMED