(Державний університет «Київський авіаційний інститут», 2025) Щербань Олексій
Об’єкт дослідження — інтелектуальна система обробки гіперспектральних зображень із використанням методів глибокого навчання. Предмет дослідження — архітектура генеративно-змагальної мережі AC WGAN-GP для генерації та класифікації гіперспектральних зразків. Мета роботи — розробка інтелектуальної системи для генерації та класифікації гіперспектральних зображень в умовах обмеженої кількості мічених даних. Методи дослідження — метод головних компонент (PCA), генеративне моделювання, клас-орієнтована вибірка, ембеддинг міток, контрастивне навчання, програмна реалізація нейромереж у середовищі TensorFlow. У роботі реалізовано низку удосконалень архітектури AC-WGAN-GP, що дозволили підвищити ефективність генерації та класифікації гіперспектральних зображень. Новизна підходу полягає у поєднанні ResNet-деконволюцій, Spectral Dropout і ембеддингу в генераторі, використанні Layer Normalization і Minibatch Discrimination у дискримінаторі, а також впровадженні контрастивної втрати з ваговою компенсацією у класифікаторі. Проведені експерименти на наборах Salinas, Indian Pines і KSC засвідчили підвищення точності класифікації, особливо в умовах обмеженої кількості маркованих зразків.
