Details
Title | Автоматизированный подсчет объектов на изображении с использованием технологии глубокого обучения: магистерская диссертация: 09.04.03 |
---|---|
Creators | Егоров Артем Тимурович |
Scientific adviser | Щукин Александр Валентинович |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Imprint | Санкт-Петербург, 2017 |
Collection | Выпускные квалификационные работы ; Общая коллекция |
Subjects | Нейронные сети ; Автоматизированные системы управления технологическими процессами ; компьютерное зрение ; машинное обучение ; глубокое обучение |
UDC | 004.032.26(043.3) ; 004.93(043.3) |
Document type | Master graduation qualification work |
File type | |
Language | Russian |
Level of education | Master |
Speciality code (FGOS) | 09.04.03 |
Speciality group (FGOS) | 090000 - Информатика и вычислительная техника |
DOI | 10.18720/SPBPU/2/v17-1912 |
Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Record key | RU\SPSTU\edoc\39582 |
Record create date | 7/10/2017 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
Тема работы относится к компьютерному зрению. В магистерской диссертации поставлена задача разработки методики автоматизированного подсчета объектов на изображении и реализации этой методики на примере подсчета сигаретных фильтров. Входными данными для реализуемой системы являются фотографии паллет на производстве сигарет, выполняемые сотрудниками фабрики на мобильные телефоны. В работе рассматривается предметная область глубокого обучения и на основе полученных знаний реализуется глубокая нейронная сеть. Проводится тестирование множества конфигураций нейронных сетей, для выявления сети показывающей наибольшую точность. Работа имеет следующую структуру: вводный раздел, четыре основные главы и заключительная часть. Актуальность работы раскрыта в вводном разделе, где также описаны основная цель и поставленные задачи. В первой главе проводится обзор предметной области. Во второй обзор библиотек глубокого обучения и выбор библиотеки для дальнейшей работы. В третьей главе приведено описание исходных данных, также описан процесс обучения нейронной сети. В четвертой главе приводятся результаты тестирования системы. Основные результаты по работе приводятся в заключении.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 1410
Last 30 days: 0