Осипов, Артем Валентинович2025-03-182025-03-182024Осипов, А. В. Використання методів комп’ютерного зору для розпізнавання жестів з урухуванням характеристик апаратного середовища = The use of computer vision methods for gesture recognition considering hardware environment characteristics: кваліфікаційна робота магістра / А. В. Осипов. – Одеса, 2024. – 109 с.https://dspace.onu.edu.ua/handle/123456789/40811Кваліфікаційна робота присвячена процесу розпізнавання жестів у відео з урахуванням апаратних та програмних засобів. Метою даної роботи є підвищення ефективності розпізнавання жестів у відео, шляхом вибору моделі глибокого навчання для конкретного пристрою на основі аналізу характеристик апаратного середовища та продуктивності моделей комп’ютерного зору. В сучасних умовах методи комп’ютерного зору широко застосовуються у різних сферах. Використання цих технологій для розпізнавання жестів сприяє покращенню взаємодії, автоматизації управління та розвитку інклюзивних технологій. Важливу роль відіграє врахування характеристик апаратного середовища, що дозволяє створювати системи з високою точністю й швидкістю роботи, оптимізуючи їх для пристроїв з обмеженими ресурсами. У роботі досліджено методи комп’ютерного зору, включаючи алгоритми виявлення об’єктів, такі як single shot detection. Для навчання моделей використано набір даних «HaGRID», один із найповніших для задач розпізнавання жестів. Моделі протестовані на системах з різним апаратним забезпеченням, результати порівняно. Розроблено клієнт-серверний додаток для підбору найкращої конфігурації та використання моделей розпізнавання жестів. Аналіз цих методів є важливим для розвитку технологій взаємодії людини з машиною. Апаратно свідомі системи мають потенціал покращити якість життя, забезпечуючи ефективність, доступність та зручність у використанні навіть на пристроях із обмеженими ресурсами.In the modern world, computer vision methods are widely used in various fields. Utilizing these technologies for gesture recognition enhances interaction, automates control, and fosters the development of inclusive technologies. Considering hardware characteristics plays a significant role in creating systems with high accuracy and speed, optimizing them for devices with limited resources. The work explores computer vision methods, including object detection algorithms such as Single Shot Detection. The «HaGRID» dataset, one of the most comprehensive for gesture recognition tasks, was used for model training. The models were tested on systems with different hardware configurations, and the results were compared. A client-server application was developed to select the optimal configuration and to use gesture recognition models. The analysis of these methods is essential for the development of humanmachine interaction technologies. Hardware-aware systems have the potential to improve quality of life by ensuring efficiency, accessibility, and ease of use, even on devices with limited resources.uk123 комп’ютерна інженеріямагістркомп’ютерний зіррозпізнавання жестівапаратне середовищеDiplomas