Promocijas darbu aizstāvēs Maksims Ivanovs

Temats: "Dziļās mašīnmācīšanās pielietojumi lietišķajā datorredzē: attēlu izpratnes uzdevumu risināšana ar konvolūciju neironu tīkliem".

Darba zinātniskais vadītājs: Dr. sc. ing. Roberts Kadiķis.

Anotācija:

Promocijas darbs aplūko dziļās mašīnmācīšanās metožu pielietojumus svarīgu attēlu izpratnes uzdevumu – attēlu klasifikācijas, objektu atpazīšanas un semantiskās segmentācijas – risināšanai. Literatūras apskatā pirmajā nodaļā tiek sniegts pamatojums pārējās disertācijas nodaļās izklāstītajam eksperimentālajam darbam, tiek noskaidrots, ka visperspektīvākais dziļo neironu tīklu arhitektūras veids attēlu izpratnes uzdevumiem ir konvolūciju neironu tīkli (KNT), kā arī tiek apspriests ar datu pieejamību KNT apmācībai saistītas problēmas un tiek sniegts ieskats tajā, kā zināšanu pārnese un sintētiskie dati var tikt izmantoti, lai mazinātu šīs problēmas. Darba praktiskā daļā aplūko KNT pielietojumus lietišķo attēlu izpratnes problēmu risināšanai. Otrajā nodaļā tiek apskatīti pētījumi par KNT izmantošanu roku mazgāšanas kustību atpazīšanai, lai izstrādātu sistēmu roku higiēnas novērošanai. Trešajā nodalļā tiek aprakstīta KNT izmantošana ielu skatu semantiskai segmentācijai, kas ir svarīgs uzdevums pašbraucošo automašīnu navigācijas sistēmām. Ceturtajā nodaļā tiek aprakstīta KNT balstītu objektu detektoru izmantošana plastmasas pudeļu atpazīšanai, lai tās varētu paņemt robota roka. Visbeidzot, piektajā nodaļā tiek apskatīti KNT pielietojumi mikroskopijas attēlu klasifikācijai, lai automatizētu orgāanu uz čipa audzēšanas novērošanu. 

Darba mērķis – piedāvāt efektīvus risinājumus lietišķiem attēlu izpratnes uzdevumiem – tika sasniegts visos uzdevumos, izņemot klasifikācijas eksperimentos uz PSKUS datu kopas, kas ir vissarežģītākā un trokšņainākā roku mazgāšanas video datu kopa. Turklāt darbā izklāstītie rezultāti veicināja labāku izpratni par metodoloģiskajiem izaicinājumiem dziļās mašīnmācīšanās jomā, piemēram, par pieejām reālās pasaules datu kopu papildināšanai ar sintētiskiem datiem. Darbā aprakstītie rezultāti ir publicēti sešos zinātniskos rakstos, kas indeksēti Elsevier Scopus un/vai Web of Science datubāzēs, un prezentēti četrās konferencēs. Rezultātu aprobācija tika veikta septiņos zinātniskajos projektos, kas  īstenoti Elektronikas un datorzinātņu institūtā (EDI), kurā tika izstrādāts šis darbs. Darba rezultāti pamato četras promocijas darba aizstāvēšanai izvirzītās tēzes.

Recenzenti:
1) ‎Dr. sc. comp. Jānis Zuters, Latvijas Universitāte;
2) Dr. sc. ing. Andrejs Romānovs, Rīgas Tehniskā universitāte;
3) Dr. Mahmoud Elbattah, Žila Verna Pikardijas Universitāte, Francija.

Ar promocijas darbu var iepazīties LU Bibliotēkā, Raiņa bulvārī 19.

Dalība sēdē ar iepriekšēju pieteikšanos, rakstot uz sintija.silina@lu.lv līdz 13. maijam.