Отримано 04.04.2022, Доопрацьовано 27.06.2022, Прийнято 25.07.2022

Перспективи нейромережевого підходу для задачі відтворення пошкоджених паперів

Максим Солоний, Андрій Яровий, Ярослав Іванчук, Володимир Озеранський

У наш час, задача відтворення пошкоджених паперів є достатньо актуальною, експерти витрачають години, дні або навіть тижні, на те, щоб відтворити пошкоджені документи, рисунки або інші матеріали, які можуть відіграти роль ключового доказу в кримінальній справі. Автоматизація даного процесу значно підвищить швидкодію та якість вирішення даної задачі, тим самим підвищить ефективність роботи експертів-криміналістів. Під час пошуку існуючих рішень, в ході дослідження прямих аналогів виявлено не було, проте знайдено декілька непрямих аналогів, які вирішують досить близькі задачі. Перший аналог – технологія, запропонована вченими Хайфського університету для відтворення пошкоджених археологічних знахідок. Дану технологію успішно випробувано на реальних артефактах Британського музею, що довело її ефективність при відтворенні пошкоджених фресок. Дані результати є перспективними для подальшої розробки інформаційної технології відтворення цілісності пошкодженого документа, зокрема, в контексті повного відтворення структури паперу на основі його мікрорельєфу. Другий аналог – технологія редагування зображень за допомогою карт Кохонена. Дана технологія ефективно виконує базові завдання ретушування зображень, зокрема, видалення об’єктів, відновлення цілісності після видалення. Оскільки дана технологія використовується для обробки зображень, її можна використати як основу для відтворення пошкодженого вмісту документа після його фізичної збірки. Адже під час відновлення структури паперу цілісність вмісту може бути частково втрачена. В даній статті детально проаналізовано кожну з наведених технологій, в тому числі й на рівні математичних моделей, виокремлено їх переваги та недоліки, наведено приклади їх реального застосування. На основі переваг кожної з проаналізованих технологій, запропоновано підхід до вирішення задачі відтворення пошкоджених паперів.

нейронні мережі, відтворення пошкоджених паперів, криміналістика
55-60
Solonyi, M., Yarovyi, A., Ivanchuk, Y., & Ozeranskyi, V. (2022). Prospects of neural network approach to the problem of damaged papers restoration. Information Technologies and Computer Engineering, 19(2), 55-60. https://doi.org/10.31649/1999-9941-2022-54-2-55-60

Використані джерела

[1] Soloniy, M.A., & Yarovy, A.A. (2021). Prospects of using neural network technologies for the problem of reproducing damaged papers. In Youth in science: research, problems, prospects (MN-2021): Proceedings of the All-Ukrainian scientific and practical conference (pp. 1-2). Vinnitsa: VNTU.

[2] Soloniy, M.A., & Yarovy, A.A. (2022). Analysis of intellectual technologies in the context of the problem of reproduction of damaged papers. In Youth in science: research, problems, prospects (MN-2022): Proceedings of the All-Ukrainian scientific and practical conference (pp. 1-3). Vinnitsa: VNTU.

[3] Derech, N., Tal, A., & Shimshoni I. (2018). Solving archaeological puzzles. Retrieved from https://arxiv.org/pdf/1812.10553.pdf.

[4] Eklavya. (2019) Kohonen self-organizing maps: A special type of Artificial Neural Network. Retrieved from https://towardsdatascience.com/kohonen-self-organizing-maps-a29040d688da.

[5] Self organizing maps – Kohonen maps. (2022). Retrieved from https://www.geeksforgeeks.org/self-organising-maps-kohonen-maps.

[6] De Castro, A.P.A., Drummond, I.N., & da Silva J.D.S. (2008). A multiscale neural network method for image restoration. Trends in Computational and Applied Mathematics, 9(1), 41-50. doi: 10.5540/tema.2008.09.01.0041.

[7] Favorskaya, M., Jain, L.C., & Bolgov, A. (2014). Image inpainting based on self-organizing maps by using multi-agent implementation. Procedia Computer Science, 35, 861-870. doi: 10.1016/j.procs.2014.08.253.