МЕТОД СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ВІДЕОЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ НЕЙРОННОЇ МЕРЕЖІ U-NET

У сучасному інформаційному середовищі відеоінформація стала одним із наймасовіших і найцінніших типів даних. Камери відеоспостереження, мобільні пристрої, дрони та онлайн-платформи щоденно генерують величезні обсяги візуальних даних, значна частина яких містить конфіденційну або персональну інформацію. Традиційні підходи до захисту, такі як повне шифрування відеопотоку, забезпечують високий рівень безпеки, але мають суттєві обмеження: вимагають значних обчислювальних ресурсів, збільшують затримки при передачі й не дозволяють ефективно працювати в режимі реального часу. У статті розглянуто науково-прикладну задачу селективного захисту відеоінформації в умовах обмежених обчислювальних ресурсів, що є актуальною для систем відеоспостереження, медичних записів та інших сфер, де необхідно забезпечити конфіденційність лише критично важливих ділянок зображення. Мета дослідження полягає у створенні програмного інструменту для динамічного визначення та шифрування значущих фрагментів відеозображення з використанням методів семантичної сегментації та технологій машинного навчання. Запропонована система базується на архітектурі нейронної мережі U-Net, яка дозволяє точно ідентифікувати області, що потребують криптографічного захисту, і застосовувати до них селективне шифрування. В якості експериментальної основи використано датасет Stanford Background, результати тестування підтверджують ефективність обраного підходу. Представлені методи можуть бути інтегровані у практичні системи з обмеженими ресурсами та підвищеними вимогами до продуктивності й безпеки.