This study presents the development and evaluation process of an improved CG-ResUnet neural network model for retinal blood vessel segmentation. The methodology includes preprocessing techniques such as CLAHE, Kirsch and grey filtering to improve image quality. The developed model showed the highest precision (0.961), but it also showed the lowest area under the curve (AUC) (0.919). The lowest recall (0.872) indicates that the model still has potential for improvement in minimising false results and accurately identifying vessel pixels. The precision (accuracy) of the model (0.631) is higher than other models, indicating that this model is highly sensitive. However, additional tuning is required to achieve higher accuracy and overall segmentation quality. F1-Score (0.729) and Dice score (0.729) were also higher than other models, indicating high potential for growth with further tuning. A hybrid post-processing approach combining automatic segmentation with manual adjustments is proposed to improve segmentation accuracy, especially for complex images with thin vessels. Future research should focus on improving accuracy and solving segmentation problems in areas of high complexity to further improve diagnostic efficiency and reduce manual labor in clinical settings. / В данном исследовании представлен процесс разработки и оценки усовершенствованной нейросетевой модели CG-ResUnet для сегментации кровеносных сосудов сетчатки. Методология включает в себя такие методы предварительной обработки, как CLAHE, Кирша и серая фильтрация для улучшения качества изображения. Разработанная модель показала самый высокий показатель точности (0,961), однако она также продемонстрировала самый низкий показатель площади под кривой (AUC) (0,919). Самый низкий показатель recall (0,872) указывает на то, что модель все еще имеет потенциал для улучшения в минимизации ложных результатов и точном определении пикселей сосудов. Точность (precision) модели (0,631) превышает показатели других моделей, что указывает на высокую чувствительность данной модели. Однако для достижения более высокой точности и общего качества сегментации требуется дополнительная настройка. Показатели F1-Score (0,729) и Dice score (0,729) также оказались выше, чем у других моделей, что свидетельствует о высоком потенциале для роста при последующей настройке. Для повышения точности сегментации, особенно для сложных изображений с тонкими сосудами, предлагается гибридный подход к постобработке, сочетающий автоматическую сегментацию с ручными корректировками. Будущие исследования должны быть направлены на повышение точности и решение проблем сегментации в областях с высокой сложностью для дальнейшего повышения диагностической эффективности и сокращения ручного труда в клинических условиях.

This study presents the process of development and evaluation of an enhanced neural network model, GCD-UNet, for the segmentation of retinal blood vessels. The methodology involved preprocessing techniques like CLAHE, Gabor, and gray filtering to improve image quality, followed by a modified U-Net architecture incorporating a Dropout layer for better generalization. The model achieved an accuracy of 0.954, an AUC of 0.942, and a Dice coefficient of 0.770. These results indicate significant improvements in vessel pixel identification and overlap with ground truth masks. Despite high recall (0.932), the model's precision (0.562) suggests a need for further optimization to reduce false positives. A hybrid post-processing approach, combining automatic segmentation with manual adjustments, is proposed to enhance segmentation accuracy, particularly for complex images with thin vessels. Future research should focus on refining precision and addressing segmentation challenges in highcomplexity regions to further improve diagnostic efficacy and reduce manual labor in clinical settings. / В данном исследовании представлен процесс разработки и оценки усовершенствованной нейросетевой модели GCD-UNet для сегментации кровеносных сосудов сетчатки. Методология включает в себя такие методы предварительной обработки, как CLAHE, Габор и серая фильтрация для улучшения качества изображения, а затем модифицированную архитектуру U-сети, включающую слой Dropout для лучшего обобщения. Метрика Accuracy составила 0,954, AUC - 0,942, а коэффициент Дайса - 0,770. Эти результаты свидетельствуют о значительном улучшении идентификации пикселей сосудов и их совпадении с масками, полученными в результате исследования. Несмотря на высокий показатель Recall (0,932), точность модели (0,562) говорит о необходимости дальнейшей оптимизации для уменьшения количества ложных срабатываний. Для повышения точности сегментации, особенно для сложных изображений с тонкими сосудами, предлагается гибридный подход к постобработке, сочетающий автоматическую сегментацию с ручными корректировками. Будущие исследования должны быть направлены на повышение точности и решение проблем сегментации в областях с высокой сложностью для дальнейшего повышения диагностической эффективности и сокращения ручного труда в клинических условиях.

The object of the study is digital images of stones in an open pit. The aim of the work is to develop and implement an algorithm for detecting and segmenting asbestos veins using an artificial intelligence apparatus. The study presents an analytical review of methods and existing technical and software systems that use artificial intelligence methods for segmentation on the main test datasets. An analysis of existing models was carried out, new models based on convolutional networks (UNet and Attention Unet) and transformers (SegFormer) were tested, and the best algorithm for the task of segmenting asbestos veins was proposed. As a result of using the artificial intelligence model, it was possible to effectively solve the problem of vein segmentation and achieve acceptable accuracy of the results with low computing power. The scope of application of the developed algorithm is not only its use in the analysis of asbestos content in quarry images. The obtained models can be used to identify defects in various products and in medicine. / Объектом исследования являются цифровые изображения камней в открытом карьере. Целью работы является разработка и реализация алгоритма детектирования и сегментации асбестовых прожилок с применением аппарата искусственного интеллекта. В исследовании представлен аналитический обзор методов и существующих технических и программных систем, использующих методы искусственного интеллекта для сегментации на основных тестовых датасетах. Проведён анализ существующих моделей, протестированы новые модели на основе сверточных сетей (UNet и Attention Unet) и трансформеров (SegFormer), предложен лучший алгоритм для задачи сегментации асбестовых прожилок. В результате применения модели искусственного интеллекта удалось эффективно решить задачу сегментации прожилок и достигнуть приемлемой точности полученных результатов при небольшой вычислительной мощности. Областью применения разработанного алгоритма является не только его использование в рамках анализа содержания асбеста в снимках карьера. Полученные модели могут использоваться для определения дефектов на различной продукции и в медицине.

Данная выпускная квалификационная работа Давида Грайровича Чилингаряна посвящена оценке выпуска продукции предприятия «Урал-асбест» с помощью системы компьютерного зрения. В работе рассматриваются современные методы семантической сегментации и обнаружения объектов на изображениях, в том числе с применением нейронных сетей UNet, YOLOv9, SWIN. Особое внимание уделено предварительной обработке данных, выбору и настройке моделей, а также анализу эффективности на реальных производственных данных. Полученные результаты демонстрируют высокую точность и эффективность предложенных методов, позволяющих автоматизировать оценку содержания асбеста в горных породах, сократить временные затраты и минимизировать контакт рабочих с вредным материалом. Практическая значимость заключается во внедрении разработанных решений в производственные процессы предприятия, улучшении контроля качества и защите здоровья работников. / This graduate qualification work of David Grayrovich Chilingaryan is devoted to the estimation of output of “Ural-asbestos” enterprise with the help of computer vision system. The work considers modern methods of semantic segmentation and detection of objects in images, including the use of neural networks UNet, YOLOv9, SWIN. Special attention is paid to data preprocessing, model selection and tuning, and performance analysis on real production data. The obtained results demonstrate high accuracy and efficiency of the proposed methods, allowing to automate the assessment of asbestos content in rocks, reduce time costs and minimize the contact of workers with harmful material. The practical significance lies in the implementation of the developed solutions in the production processes of the enterprise, improvement of quality control and protection of workers' health.

Цель: разработка модели сегментации трёхмерных объектов на основе методологии машинного обучения. Объект: процессы сегментации трёхмерных объектов, представленных облаком точек. Методы: проведение исследование моделей сегментации трёхмерных объектов на основании датасета ScanNet с оценкой точности на основании метрики Average Intersection over Union (avgloU). Результаты: в ходе работы проведено сравнение и выявлены наиболее точные и производительные сочетания внутренней структуры обрабатываемых данных и архитектуры моделей, которые являются самыми перспективными для дальнейших исследований. наилучшие результаты показала библиотек машинного обучения Point Transformer со значением метрики avgIoU, равной 0,794. Полученные результаты будут использованы для дальнейшей работы над методами обработкой данных, поиском и настройкой моделей машинного обучения для задачи сегментации 3D-объектов для достижения лучшей точности и производительности. / Objective: development of a three-dimensional object segmentation model based on machine learning methodology. Object: segmentation processes of three-dimensional objects represented by a point cloud. Methods: conducting a study of three-dimensional object segmentation models based on the ScanNet dataset with accuracy assessment based on the Average Intersection over Union (avgloU) metric. Results: during the work, a comparison was made and the most accurate and productive combinations of the internal structure of the processed data and the architecture of the models were identified, which are the most promising for further research. The best results were shown by the Point Transformer machine learning library with an avgIoU metric value of 0.794. The obtained results will be used for further work on data processing methods, searching and tuning machine learning models for the task of segmenting 3D objects to achieve better accuracy and performance.

This work is devoted to the creation of a model for automatic segmentation of images of marine mammals, in particular dolphins, using machine learning methods and neural networks. The aim of the study was to develop an effective model for segmentation of marine mammals, which will improve the processes of monitoring and identification of these animals in their natural habitat. To achieve this goal, it is planned to analyze modern machine learning methods for the task of segmentation and identification of marine mammals, study the architectures of neural networks used in the field of segmentation and select suitable tools for implementing the model, collect and mark up a dataset with dolphin images, conduct experiments with training various neural network architectures, conduct experiments with augmentations and draw conclusions about the work done. The development of a marine mammal segmentation system proposed in the work has significant potential for improving the monitoring of populations and implementing strategies for preserving marine ecosystems. The created model allows to precisely highlight contours and areas of interest in images, which significantly simplifies the process of identification of individuals. The results of the study open up new opportunities for further research in the field of marine biology and environmental protection. / Данная работа посвящена созданию модели для автоматической сегментации изображений морских млекопитающих, в частности дельфинов, с использованием методов машинного обучения и нейронных сетей. Цель исследования заключалась в разработке эффективной модели сегментации морских млекопитающих, которая позволит улучшить процессы мониторинга и идентификации данных животных в их естественной среде обитания. Для достижения этой цели предполагается провести анализ современных методов машинного обучения для задачи сегментации и идентификации морских млекопитающих, изучить архитектуры нейронных сетей, применяемых в области сегментации, и выбрать подходящие инструменты для реализации модели, собрать и разметить датасет с изображениями дельфинов, провести эксперименты с обучением различных архитектур нейронных сетей, провести эксперименты с аугментациями и сделать выводы о проделанной работе. Разработка системы сегментации морских млекопитающих, предложенная в работе, обладает значительным потенциалом для улучшения мониторинга популяций и реализации стратегий сохранения морских экосистем. Созданная модель позволяет точно выделить контуры и области интереса на изображениях, что значительно облегчает процесс идентификации особей. Результаты исследования открывают новые возможности для дальнейших исследований в области морской биологии и охраны окружающей среды.

An algorithm, which is able to find out, whether a given digital photo was tampered, and to generate tampering map, which depicts the processed parts of the image, was analyzed in details and implemented. The software was also optimized, deeply tested, the modes giving the best quality were found. The program can be launched on a usual user PC. / В процессе работы был детально разобран и реализован алгоритм поиска признаков постобработки в изображениях. Разработанное приложение было оптимизировано, было проведено его тестирование, были найдены режимы работы приложения с более высокими показателями точности. Реализованное приложение может быть запущено на обычном персональном компьютере. Помимо информации о наличии выявленных признаков постобработки полученное приложение генерирует карту поданного на вход изображения, на которой выделены его участки, возможно подвергнутые постобработке.

Необходимость в написании программы для расчета рассеянного поля телом вращения возникла в связи с неоднозначностью решения рассеянного поля таких объектов средствами электродинамического моделирования FEKO и Ansoft HFSS. В частности, в HFSS при повороте объекта (конуса) и соответствующем изменении характеристик падающей волны (направления распространения и поляризации) количество сегментов могло меняться более, чем на порядок. Отметим, что в качестве подхода к решению использовался метод физической оптики. Трудности расчета в FEKO вызваны по большей части ресурсами компьютера, а также сложностью последующей трактовки и математической обработки полученных результатов. Программа, описываемая в работе, позволит подойти к решению рассеянного на теле вращения поля более индивидуально и избежать таких неоднозначностей, что могут встречаться при расчетах в пакетах электродинамического моделирования. По результатам рассмотрения ряда задач сделан выбор в пользу метода физической оптики и его численной реализации на базе алгоритмов MATLAB. / The solution of diffraction from perfectly conducting convex solids of revolution is considered. The main aim is obtainment of an optimal approach for diffraction solution from large-scale solids. The implementation of a numerical solution of diffraction with physical optics method using MATLAB is considered. The realized program allows description of the solid of revolution with the analytic form equation of the curve. The possibility of curve description with a few functions defined on disjoint intervals is taken into consideration. The surface meshing with the required value is assured. The measure method of scattering characteristics is touched upon. The experimental results of the solid with three equations of curve are presented. The results of MATLAB modeling are compared with the experimental ones. The upgradability of mathematical modeling algorithms is proposed.

Магистерская диссертация посвящена вопросам совершенствования маркетинговой политики предприятия для повышения его устойчивости. Специфика экологического предприятия Ив Роше состоит в производстве органической продукции. Целью исследования является разработка и экономическое обоснование мероприятий по совершенствованию маркетинговой политики торгового предприятия. В работе сделан вывод о том, что непрерывное совершенствование инструментов прямого маркетинга способствует повышению конкурентоспособности и устойчивости торгового предприятия. / Master's thesis is devoted to improving the marketing policy of the enterprise to improve its sustainability. The specifics of the ecological enterprise Yves Rocher is the production of organic products. The study`s purpose is the development and economic justification of measures to improve the marketing policy of the commercial enterprise. The paper concludes that the continuous improvement of direct marketing tools contributes to the competitiveness and sustainability of the commercial enterprise.

Традиционная модель, при которой производители продают оптовым или розничным продавцам, которые, в свою очередь, продают конечному потребителю, существует уже сотни лет - все это способствовало установлению тесных, лояльных и выгодных отношений с третьими лицами, но Интернет все это изменил: электронная торговля открыла новые каналы распространения. Сегодня развитие технологий не только меняет жизнь людей, но и открывает новые возможности для ведения бизнеса за рубежом и если производители хотят оставаться актуальными, они также должны развиваться. / The traditional model, in which manufacturers sell to wholesalers or retailers, who in turn sell to the end consumer, has been around for hundreds of years - all of which have fostered close, loyal and profitable relationships with third parties, but the Internet has changed it all: e-commerce has opened up new distribution channels. Today, the development of technology not only changes people's lives, but also opens up new opportunities for doing business abroad and if manufacturers want to remain relevant, they must also develop.