Детальная информация

Сенькин, Дмитрий Сергеевич. Исследование применения методов машинного обучения для повышения надежности распознавания объектов в изображениях [Электронный ресурс]: магистерская диссертация: 02.04.03 / Д. С. Сенькин; Санкт-Петербургский политехнический университет Петра Великого, Институт компьютерных наук и технологий ; науч. рук. В. Г. Пак. — Электрон. текстовые дан. (1 файл : 2,34 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/v17-5957.pdf>. — <URL:http://doi.org/10.18720/SPBPU/2/v17-5957>.

Дата создания записи: 11/20/2017

Тематика: Распознавание образов; Нейронные сети; Интернет; машинное обучение; компьютерное зрение

УДК: 004.932.72'1.056(043.3); 004.738.5(043.3); 004.032.26(043.3)

Коллекции: Выпускные квалификационные работы; Общая коллекция

Ссылки: DOI

Разрешенные действия: Прочитать Загрузить (2.3 Mb) You need Flash Player to read document

Группа: Anonymous

Сеть: Internet

Аннотация

Объектом исследования являются модели распознавания объектов в изображениях, в которых классификация объектов производится методами машинного обучения. Цель работы - сравнить эффективность применения различных методов машинного обучения для повышения надежности распознавания объектов в изображениях. В процессе работы проводилась адаптация моделей «визуального словаря» и сверточной нейронной сети, их программная реализация и экспериментальные исследования. В результате исследования были реализованы две различные модели для распознавания объектов в изображениях с надежностью распознавания 76,9±0,6% и 86,2±1,0%. Основными преимуществами модели «визуального словаря» являются: быстродействие, необходимость в меньшем количестве данных для обучения. Преимуществами модели сверточной нейронной сети можно назвать: высокую надежность распознавания, адаптивность к новым данным, достаточно высокую скорость обучения при использовании графического ускорителя в качестве исполнителя вычислений. Обе модели могут применяться для распознавания объектов в изображениях при разработке кроссплатформенных приложений, для модели сверточной нейронной сети рекомендуется клиент-серверная реализация.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
FL SPbPU Local Network All Прочитать Печать Загрузить
-> Internet All Прочитать Печать Загрузить

Статистика использования документа

stat Количество обращений: 1348
За последние 30 дней: 58
Подробная статистика