Khabarlak K. Image Classification and Segmentation Methods Based on Changeable Convolutional Neural Networks

Українська версія

Thesis for the degree of Doctor of Philosophy (PhD)

State registration number

0823U101287

Applicant for

Specialization

  • 122 - Комп’ютерні науки

25-10-2023

Specialized Academic Board

ДФ 08.080.021

Dnipro University of Technology

Essay

Convolutional neural networks show high quality in solving computer vision tasks. A significant amount of research is devoted to the development of neural networks, that target inference on powerful servers. However, in a number of cases their use is complicated for the following reasons: when the Internet connection is unstable or absent at all, when the user does not agree to share private data from his device, when the data volume is too large to be transferred from all devices to the server, etc. If it is necessary to process images on a mobile or low-power device, a number of problems arise: — such devices have limited computing resources, and the network inference might be unacceptably long for the target task. Therefore, deep convolutional neural network architectures with many parameters that show high quality on servers need to be modified for mobile applications; — inference when running on battery implies that the number of computations should be minimized. Because of this, great interest of the scientific community is devoted to the development of mobile neural network architectures that take into account the mobile device limitations at the design stage. Such architectures require the network configuration to be finalized before the start of the training procedure, as a result long training procedure should be repeated after each network architecture adjustment, which is a problem; — if the application is expected to be installed on an IoT device, this adds another category of devices with less computing power and presents the neural network developer with a choice: either to train one network that will be fast enough for all devices, but potentially have poor performance; or to train a separate network for each category of devices, which, given the long training time of deep neural networks, will significantly increase the cost of development of the system.

Research papers

Khabarlak K., Koriashkina L. Fast Facial Landmark Detection and Applications: A Survey // Journal of Computer Science and Technology. 2022. Квіт. Т. 22, № 1. С. 12–41.

Khabarlak K. S. Faster Optimization-Based Meta-Learning Adaptation Phase // Radio Electronics, Computer Science, Control. 2022. Квіт. № 1. С. 82–92.

Khabarlak K. S., Koriashkina L. S. Scoping Adversarial Attack for Improving Its Quality // Radio Electronics, Computer Science, Control. 2019. Трав. № 2. С. 108–118

Khabarlak K. S., Koriashkina L. S. Mobile Access Control System Based on RFID Tags and Facial Information // Bulletin of National Technical University ”KhPI”. Series: System Analysis, Control and Information Technologies. 2020. Т. 2, № 4. С. 69–74

Хабарлак К. С. Особливості роботи методів пошуку облич на мобільних пристроях // System Technologies. 2021. Т. 6, № 137. С. 34 – 45.

Khabarlak K. Post-Train Adaptive U-Net for Image Segmentation // Information Technology: Computer Science, Software Engineering and Cyber Security. 2022. № 2. С. 73–78.

Комп’ютерна програма «Мобільна нейромережева система пошуку облич із анті-спуфінгом» : авт. свід. України №110917 / К. С. Хабарлак. 11.01.2022

Khabarlak K. Post-Train Adaptive MobileNet for Fast Anti-Spoofing // Proceedings of the 3rd International Workshop on Intelligent Information Technologies & Systems of Information Security, Khmelnytskyi, Ukraine, March 23–25. Т. 3156. CEUR-WS.org, 2022. С. 44–53.

Хабарлак К. С., Коряшкіна Л. С. Деякі особливості гіперпараметрів глибоких нейронних мереж // III Всеукраїнська Інтернет-конференція здобувачів вищої освіти і молодих учених «Інформаційні технології: теорія і практика». Харків, 03.2020. С. 98–99

Khabarlak K., Koriashkina L. Top image classification accuracy through hyperparameter search // 15th International Forum for Students and Young Researchers “Widening our horizons”. Dnipro, 05.2020. С. 271–274

Khabarlak K. Mobile Application for RFID Access Control System // V міжнародна науково-практична конференція «Прикладні науково-технічні дослідження». Івано-Франківськ, 04.2021. С. 99–100

Хабарлак К. С. Анти-спуфінг для системи контролю доступу із RFID мітками // Збірник матеріалів III Всеукраїнської конференції «Теоретико-практичні проблеми використання математичних методів і комп’ютерно-орієнтованих технологій в освіті та науці». Київ, 04.2021. С. 141–142

Хабарлак К. С. On Face Detection and Anti-Spoofing in Mobile Access Control // Тези доповідей VIII Міжнародної науково-практичної конференції «Інформаційні технології в освіті, науці і виробництві (ІТОНВ-2021)». Луцьк, 05.2021. С. 181–183

Хабарлак К. С., Коряшкіна Л. С. Тестування швидкості виконання алгоритмів пошуку обличчь для системи контролю доступу // VII Всеукраїнська науково-технічна конференція молодих учених, аспірантів та студентів «Автоматизація, контроль та управління: пошук ідей та рішень» (АКУ-2021). Покровськ, 05.2021. С. 60–61

Хабарлак К. С. Про адаптацію мета-навчання нейронних мереж // Матеріали міжнародної конференції II International Scientific Symposium “Intelligent Solutions-S”. Ужгород, 09.2021. С. 81

Хабарлак К. С. Адаптація мета-навчання на частковому шаблоні // Матеріали VII міжнародної науково-технічної конференції Комп’ютерне моделювання та оптимізація складних систем. Дніпро, 11.2021. С. 121–122

Хабарлак К. С. Аналіз шаблонів адаптації мета-навчання // Матеріали IX Всеукраїнської науково-технічної конференції студентів, аспірантів та молодих вчених «Молодь: наука та інновації». Дніпро, 11.2021. С. 328–329

Хабарлак К. С. Прискорене навчання нейронної мережі за декількома прикладами // XVI Міжнародна конференція з проблем використання інформаційних технологій в освіті, науці та промисловості. Дніпро, 12.2021. С. 62–64

Хабарлак К. С. Зміна архітектури нейронної мережі після навчання // Тези дев’ятої міжнародної науково-технічної конференції Інформатика, управління та штучний інтелект. Харків – Краматорськ, 05.2022. С. 135

Хабарлак К. С. Нейромережний пошук об’єктів на мобільних пристроях // Матеріали XII Всеукраїнської науково-технічної конференції студентів, аспірантів та молодих вчених «Наукова весна». Дніпро, 05.2022. С. 171

Хабарлак К. С. Адаптивна після навчання нейронна мережа // Тези V Всеукраїнської Інтернет-конференції здобувачів вищої освіти і молодих учених Інформаційні технології: теорія і практика. Запоріжжя, 06.2022. С. 20–21

Хабарлак К. С. Нейро-мережева система класифікації із конфігурацією після навчання // Матеріали X Міжнародної науково-технічної конференції студентів, аспірантів і молодих вчених «Молодь: наука та інновації». Дніпро, 11.2022. С. 383

Khabarlak K. Semantic segmentation with Post-Train Adaptive Neural Network // Тези XI міжнародної науково-практичної конференції «Сучасні проблеми і досягнення в галузі радіотехніки, телекомунікацій та інформаційних технологій». Запоріжжя, 12.2022. С. 124–125

Хабарлак К. С. Конфігурація після навчання нейронної мережі для сегментації зображень // Матеріали XIII Міжнародної науково-технічної конференції аспірантів та молодих вчених «Наукова весна». Дніпро, 03.2023. С. 194–195

Хабарлак К. С. Проблеми нейронних мереж для розпізнавання на пристроях із різними обчислювальними можливостями // Тези VI Всеукраїнської науково-практичної Інтернет-конференції здобувачів вищої освіти і молодих учених Інформаційні технології: теорія і практика. Харків, 03.2023. С. 101–102

Files

Similar theses