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 PDF
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
Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ
Прочитать Печать Загрузить
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
  • 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

Подробная статистика