Детальная информация
Название | Разработка нейросетевого метода обнаружения элементов конструкции международной космической станции: бакалаврская работа: 15.03.06 |
---|---|
Авторы | Воробей Евгений Александрович |
Научный руководитель | Бахшиев Александр Валерьевич |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт металлургии, машиностроения и транспорта |
Выходные сведения | Санкт-Петербург, 2017 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | Нейронные сети ; Распознавание образов ; Космические летательные аппараты ; международные космические станции ; стыковка ; глубокое облучение |
Тип документа | Выпускная квалификационная работа бакалавра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Бакалавриат |
Код специальности ФГОС | 15.03.06 |
Группа специальностей ФГОС | 150000 - Машиностроение |
DOI | 10.18720/SPBPU/2/v17-4868 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\45987 |
Дата создания записи | 25.10.2017 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
Данная работа представляет исследование нейронной сети Faster R-CNN для обнаружения и распознавания частей международной космической станции. В результате исследования был получен детектор-классификатор для определения координат частей МКС на фотографиях.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
- Введение
- 1 Анализ проблемы обнаружения особых конструкций на МКС в системе стыковки
- 1.1 Алгоритм решения задачи поиска и определения объектов
- 1.2 Классические методы обнаружения объектов на изображении
- 1.3 Каскадные классификаторы
- 1.4 Нейронные сети
- 1.5 Цели и задачи работы
- 1.6 Выводы
- 2 Анализ архитектур нейронных сетей для решения задачи
- 2.1 DetectNet
- 2.2 Yolo
- 2.3 SSD: Single Shot MultiBox Detector
- 2.4 Faster R-CNN
- 2.5 Выводы
- 3 Математическое описание работы сети
- 3.1 Описание работы основных слоев нейронной сети
- 3.1.1 Сверточный слой
- 3.1.2 Полносвязный слой
- 3.1.3 Слой активации (ReLU)
- 3.1.4 Объединяющий слой (pooling)
- 3.1.5 Обучение сети
- 3.2 Описание сети Faster R-CNN
- 3.3 Описание блоков RPN R-CNN и конфигурация сети
- 3.3.1 Описание блоков сети RPN и RCNN
- 3.3.2 Чередующееся обучение (Alternating training)
- 3.3.3 Приближенное обучение (Approximate joint training)
- 3.3.4 Точное обучение (Non-approximate joint training)
- 3.3.5 Четырехэтапное чередующееся обучение (4-Step Alternating Training)
- 3.4 Выводы
- 3.1 Описание работы основных слоев нейронной сети
- 4 Разработка и исследование системы распознавания
- 4.1 План экспериментальных исследований
- 4.2 Анализ входных данных
- 4.3 Подготовка и написание программ тестирования нейронных сетей
- 4.4 Модификация Faster R-CNN для удобства обучения
- 4.5 Подготовка данных к обучению
- 4.6 Обучение нейронных сетей. Исследование влияния данных и гиперпараметров на процесс обучения
- 4.6.1 Обучение с использованием предобученной модели imagenet
- 4.6.2 Получение предобученной модели
- 4.6.3 Использование четырехэтапного алгоритма обучения
- 4.7 Выводы
- Заключение
- Список используемых источников
Количество обращений: 317
За последние 30 дней: 0