Details

Title: Приложение по распознаванию видов цветов и грибов методом глубинного обучения сверточных нейронных сетей: выпускная квалификационная работа бакалавра: 09.03.04 - Программная инженерия ; 09.03.04_01 - Технология разработки и сопровождения качественного программного продукта
Creators: Фролова Алёна Юрьевна
Scientific adviser: Зайцев Игорь Владимирович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2019
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: машинное обучение; глубокие нейронные сети; свёрточная нейронная сеть; распознавание объектов; machine learning; deep neural networks; convolutional neural network; object recognition
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 09.03.04
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
Links: http://doi.org/10.18720/SPBPU/3/2019/vr/vr19-1331; http://elib.spbstu.ru/dl/3/2019/vr/rev/vr19-1331-o.pdf; http://elib.spbstu.ru/dl/3/2019/vr/rev/vr19-1331-a.pdf

Allowed Actions: Read Download (1.0 Mb) You need Flash Player to read document

Group: Anonymous

Network: FL SPbPU Local Network

Annotation

Целью данной работы является разработка решения для распознавания цветов и грибов, которое будет использоваться в приложении Android, разработанном параллельно как другой проект. В случае грибов есть аспект безопасности – проводить различие между съедобными и ядовитыми грибами, чтобы уменьшить вероятность отравления. Для этой цели были рассмотрены различные подходы к обучению сверточной нейронной сети и различные существующие библиотеки для распознавания объектов. Работа включает в себя описание, разработку и тестирование сверточной нейронной сети, предназначенной для распознавания видов цветов и грибов на основе файлов изображений. Финальные испытания показали высокую точность модели.

The aim of this work is to develop a solution for color and mushroom recognition, which will be used in an Android application developed in parallel as another project. In the case of fungi, there is a safety aspect – to distinguish between edible and poisonous fungi to reduce the likelihood of poisoning. For this purpose, various approaches to learning convolutional neural network and various existing libraries for object recognition were considered. The work includes the description, development and testing of a convolutional neural network designed to recognize species of flowers and fungi based on image files. The final tests showed high accuracy of the model.

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: 65
Last 30 days: 22
Detailed usage statistics