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

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

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Оглавление

  • 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

Статистика использования

stat Количество обращений: 308
За последние 30 дней: 0
Подробная статистика