Детальная информация
Название | Автоматизированный подсчет объектов на изображении с использованием технологии глубокого обучения: магистерская диссертация: 09.04.03 |
---|---|
Авторы | Егоров Артем Тимурович |
Научный руководитель | Щукин Александр Валентинович |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Выходные сведения | Санкт-Петербург, 2017 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | Нейронные сети ; Автоматизированные системы управления технологическими процессами ; компьютерное зрение ; машинное обучение ; глубокое обучение |
УДК | 004.032.26(043.3) ; 004.93(043.3) |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 09.04.03 |
Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
DOI | 10.18720/SPBPU/2/v17-1912 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\39582 |
Дата создания записи | 10.07.2017 |
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 |
Тема работы относится к компьютерному зрению. В магистерской диссертации поставлена задача разработки методики автоматизированного подсчета объектов на изображении и реализации этой методики на примере подсчета сигаретных фильтров. Входными данными для реализуемой системы являются фотографии паллет на производстве сигарет, выполняемые сотрудниками фабрики на мобильные телефоны. В работе рассматривается предметная область глубокого обучения и на основе полученных знаний реализуется глубокая нейронная сеть. Проводится тестирование множества конфигураций нейронных сетей, для выявления сети показывающей наибольшую точность. Работа имеет следующую структуру: вводный раздел, четыре основные главы и заключительная часть. Актуальность работы раскрыта в вводном разделе, где также описаны основная цель и поставленные задачи. В первой главе проводится обзор предметной области. Во второй обзор библиотек глубокого обучения и выбор библиотеки для дальнейшей работы. В третьей главе приведено описание исходных данных, также описан процесс обучения нейронной сети. В четвертой главе приводятся результаты тестирования системы. Основные результаты по работе приводятся в заключении.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 1410
За последние 30 дней: 0