Название исследуемой задачи:	Применение синтетических данных, полученных с помощью генеративной нейросети, для повышения качества моделей детекции
Тип научной работы:	BS-Thesis
Автор:	Степанов Илья Дмитриевич
Научный руководитель:	к.ф-м.н., Грабовой Андрей Валерьевич
Научный консультант(при наличии):	Филатов Андрей Викторович

Abstract

Аугментация данных — важный инструмент современных исследователей в области детекции, позволяющий увеличить объём обучающей выборки. Однако существующие методы ограничены, поскольку не обеспечивают существенного семантического расширения данных. Это может привести к снижению способности моделей обобщать информацию. В этой работе предложен новый метод аугментации, основанный на семантической замене объектов на изображениях. Такой подход обеспечивает расширение обучающих выборок и повышает точность моделей детекции. Были проведены эксперименты, демонстрирующие влияние предложенного метода на функции качества mAP50 и mAP50:95, а также выполнен анализ влияния отдельных компонентов на данные функции качества.

Research publications

Presentations at conferences on the topic of research

Software modules developed as part of the study

1. A python package mylib with all implementation here.
2. A code with all experiment visualisation here. Can use colab.