Детальная информация

Юань, Ян. Сравнительное исследование методов машинного обучения в задаче распознавания объектов заданной формы в изображениях [Электронный ресурс]: бакалаврская работа: 02.03.03 / Я. Юань; Санкт-Петербургский политехнический университет Петра Великого, Институт компьютерных наук и технологий ; науч. рук. В. Г. Пак. — Электрон. текстовые дан. (1 файл : 1,54 МБ). — Санкт-Петербург, 2017. — Загл. с титул. экрана. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Adobe Acrobat Reader 7.0. — <URL:http://elib.spbstu.ru/dl/2/v17-3819.pdf>. — <URL:http://doi.org/10.18720/SPBPU/2/v17-3819>.

Дата создания записи: 02.10.2017

Тематика: машинное обучение; машина опорных векторов; линейный дискриминант

Коллекции: Выпускные квалификационные работы; Общая коллекция

Ссылки: DOI

Разрешенные действия: Прочитать Загрузить (1,5 Мб) Для чтения документа необходим Flash Player

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Компьютерное зрение является одной из основных проблем в области искусственного интеллекта; его цель состоит в том, чтобы придать компьютерам способность визуального распознавания объектов реального мира. Компьютерное зрение имеет широкий спектр применения в медицинской, промышленной, военной, аэрокосмической и других областях. В этой работе экспериментально исследуются методы распознавания некоторых наиболее простых графических (треугольник, круг, прямоугольник, объект неправильной формы) объектов на основе машинного обучения.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
-> Интернет Все Прочитать Печать Загрузить

Оглавление

  • РЕФЕРАТ
  • ВВЕДЕНИЕ
  • 1 Обзор методов машинного обучения и их применения к распознаванию изображений
    • 1.1 Методы машинного обучения
    • 1.2 Методы распознавания объектов на изображениях
    • 1.2.1 Текстура
    • 1.2.2 Точки интереса
    • 1.2.3 Обнаружение края
    • 1.2.4 Ключ к распознаванию изображения
  • 2 Методы и алгоритмы машинного обучения, выбранные для исследования
    • 2.1 Метод k ближайших соседей
    • 2.1.1 Описание алгоритма
    • 2.1.2 Преимущества и недостатки алгоритма k ближайших соседей
    • 2.1.3 Алгоритм улучшения
    • 2.1.4 Предварительная обработка изображений
    • 2.1.5 Программная реализация предварительной подготовки изображений
    • 2.1.6 Программная реализация и тестирование алгоритма КNN
    • 2.1.7 Вывода об алгоритме КNN
    • 2.2 Машина опорных векторов
    • 2.2.1 Математическое описание
    • 2.2.2 Выберите вычисленные собственные значения
    • 2.2.3 Программная реализация и тестирование алгоритма SVM
    • 2.2.4 Вывода об алгоритме SVM
    • 2.3 Линейный дискриминант Фишера
    • 2.3.1 Математическое описание
    • 2.3.2 Выберите вычисленные собственные значения
    • 2.3.3 Пргограммная реализация и тестирование линейного дискриминанта Фишера
    • 2.3.4 Выводы о линейном дискриминанте Фишера
    • 2.4 Сравнение алгоритмов по результатам экспериментов
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Статистика использования документа

stat Количество обращений: 586
За последние 30 дней: 7
Подробная статистика