Details

Тема выпускной квалификационной работы: «Интеллектуальный iOS-клиент для системы обработки визуальной информации». Объектом исследования является мобильное приложение для интеллектуальной обработки визуальной информации, обеспечивающее защиту конфиденциальных данных на фотографиях пользователя. Предметом исследования является разработка iOS-приложения с использованием нейросетевых технологий для автоматического обнаружения и удаления объектов на изображениях. В данной работе проведён анализ существующих решений в области обработки изображений и защиты персональных данных. Выполнен сравнительный анализ семи существующих инструментов по семи критериям, а также исследованы архитектуры моделей обнаружения объектов (SSD MobileNetV2, EfficientDet-Lite, YOLOv11n) и восстановления изображений (DeepFillv2, CoModGAN, LaMa) с учётом ограничений мобильных устройств. Спроектировано и разработано мобильное iOS-приложение на языке Swift с использованием фреймворков SwiftUI, Core ML и Vision Framework. Реализована модульная архитектура на основе паттерна MVVM с применением принципов SOLID. Разработан модуль обнаружения объектов, объединяющий детектор YOLOv11n и встроенные API фреймворка Vision, а также модуль восстановления изображений на основе модели LaMa с полностью локальной on-device обработкой. Проведено комплексное тестирование системы: 65 модульных тестов и 47 UI-тестов. Качество восстановления изображений оценено по метрикам PSNR (среднее значение 35,9 дБ) и SSIM (среднее значение 0,952) при среднем времени обработки 4,8 секунды. Приложение успешно прошло ревью Apple и опубликовано в App Store. В ходе выполнения работы все поставленные цели и задачи достигнуты. Подтверждена работоспособность и эффективность подхода к интеллектуальной обработке изображений непосредственно на мобильном устройстве без передачи данных на внешние серверы.

The topic of the graduate qualification work: "Intelligent iOS Client for a Visual Information Processing System" The object of the study is a mobile application for intelligent visual information processing that ensures the protection of confidential data in user photos. The subject of the study is the development of iOS applications using neural network technologies to detect and remove objects in images. In this work, an analysis of existing solutions in the field of image processing and personal data protection was conducted. A comparative analysis of seven existing tools across seven criteria was performed, along with a study of object detection model architectures (SSD MobileNetV2, EfficientDet-Lite, YOLOv11n) and image restoration models (DeepFillv2, CoModGAN, LaMa) considering the constraints of mobile devices. A mobile iOS application was designed and developed using the Swift language with SwiftUI, Core ML, and Vision frameworks. A modular architecture based on the MVVM pattern with SOLID principles was implemented. An object detection module combining the YOLOv11n detector (80 COCO categories) with Vision framework APIs was developed, along with an image restoration module based on the LaMa model with fully local on-device processing. Comprehensive system testing was conducted: 65 unit tests and 47 UI tests. Image restoration quality was evaluated using PSNR (average 35.9 dB) and SSIM (average 0.952) metrics with an average processing time of 4.8 seconds. The application successfully passed Apples review and was published on the App Store. All set goals and objectives of the work were achieved. The viability and effectiveness of the approach to intelligent image processing directly on a mobile device without transmitting data to external servers was confirmed.