Автоматизоване розпізнавання UML діаграм на зображеннях: підходи, тенденції та виклики
DOI:
https://doi.org/10.30857/2786-5371.2025.1.2Ключові слова:
розпізнавання зображень, комп’ютерний зір, машинне навчання, глибоке навчання, автоматизаціяАнотація
Мета дослідження полягала в аналізі та узагальненні сучасних методів розпізнавання UML-діаграм на зображеннях. Основна увага була приділена автоматизованому вилученню текстових і графічних елементів з метою подальшого відтвореннямоделей утекстових форматах.Методикадослідженняохоплювала аналізнаукових публікацій, що включав 23 роботи, доступних у відкритих джерелах. Дослідження зосереджувалося на вивченні існуючих підходів до розпізнавання UML-діаграм на зображеннях. Аналіз наукових публікацій показав, які сучасні методи розпізнавання UML-діаграм дозволяють досягти точності понад 90 % у розпізнаванні UML-діаграм у зображеннях. Досліджено переваги, обмеження та ефективність класичних алгоритмів комп’ютерного зору, машинного навчання та глибоких нейронних мереж. Встановлено, що найкращі результати у класифікації забезпечують глибокі нейронні мережі, тоді як класичні алгоритми залишаються ефективними для інтерпретації та вилучення елементів UML-діаграм. З’ясовано, що основними напрямками у сфери розпізнавання UML-діаграм є класифікація типів UML-діаграм, а також інтерпретація та перетворення UML-зображень у текстові формати. Виявлено основні виклики: низьку якість зображень, обмеженість навчальних даних і варіативність форматів. Наведено можливі напрямки робіт для подальших досліджень, такі як створення великих анотованих наборів UML-діаграм для підвищення точності, узагальнення сучасних підходів для підтримки розпізнавання більшої кількості типів діаграм. Результати роботи сприятимуть вдосконаленню процесів автоматизації роботи з UML-діаграмами, а також забезпечать розуміння сучасного стану галузі інформаційних технологій та розробки програмного забезпечення, відкриваючи нові перспективи для розвитку