Інтелектуальна система генерації рисунків камуфляжу на основі технологій штучного інтелекту

Автор(и)

  • Віктор Михайлович Синєглазов Національний авіаційний університет, Київ https://orcid.org/0000-0002-3297-9060
  • Дмитро Олегович Нікулін Національний авіаційний університет, Київ

DOI:

https://doi.org/10.18372/1990-5548.80.18678

Ключові слова:

штучні нейронні мережі, штучний інтелект, інтелектуальна система генерації, генеративно-змагальна мережа, прогресивно зростаючі GAN, камуфляжні рисунки

Анотація

Роботу присвячено розробленню інтелектуальної системи генерації рисунків камуфляжу на основі технологій штучного інтелекту. В якості інтелектуального елементу даної системи використовується генеративно-змагальна мережа. Для вирішення проблеми режиму колапсу використовується архітектура прогресивно зростаючих GAN (ProGAN). Система дозволяє генерувати абсолютно нові рисунки камуфляжу для обраної місцевості ітеративно покращуючи рисунок. За рахунок механізму обмежень можна зафіксувати бажані аспекти рисунку (кольорова гама, шаблон, кількість кольорів) з вже існуючого рисунка і пристосувати його до бажаної місцевості. Система передбачає можливість генерації мікропатернів на рисунках для покращення маскування на близьких дистанціях. Оцінюючи рисунок камуфляжу система враховує додаткові параметри, такі як ракурс (з землі та повітря), час та погода.

Біографії авторів

Віктор Михайлович Синєглазов , Національний авіаційний університет, Київ

Доктор технічних наук

Професор

Завідувач кафедри авіаційних комп’ютерно-інтегрованих комплексів

Факультет аеронавігації, електроніки і телекомунікацій

Дмитро Олегович Нікулін , Національний авіаційний університет, Київ

Студент

Кафедра авіаційних комп’ютерно-інтегрованих комплексів

Факультет аеронавігації, електроніки та телекомунікацій

Посилання

I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville, and Y. Bengio, “Generative adversarial nets,” in Advances in neural information processing systems, 2014.

F. Chollet, Deep learning with Python. Manning Publications Co., 2017, pp. 364–380.

J. Langr and V. Bok, Generative adversarial networks (GANs) in action. Manning Publications Co., 2019, pp. 10–35.

A. Narita, K. Yoshioka, and D. J. Im, Generative adversarial networks with industrial applications. Springer, 2020.

##submission.downloads##

Опубліковано

2024-06-25

Номер

Том 2 № 80 (2024)

Розділ

КОМП’ЮТЕРНІ НАУКИ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).