Details

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>.

Record create date: 11/20/2017

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

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

Collections: Выпускные квалификационные работы; Общая коллекция

Links: DOI

Allowed Actions: Read Download (2.3 Mb) You need Flash Player to read document

Group: Anonymous

Network: Internet

Annotation

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.

Document access rights

Network User group Action
FL SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Document usage statistics

stat Document access count: 1234
Last 30 days: 93
Detailed usage statistics