Таблица | Карточка | RUSMARC | |
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
В данной работе описана разработка системы определения пространственного положения ключевых точек скелета человека по одиночному изображению с телевизионной камеры. Система основана на нейронных сетях VGG-16 и ResNet-101, для которых подобраны оптимальные гиперпараметры и проведено обучение.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Оглавление
- Введение
- 1 Обзор архитектур сверточных нейронных сетей и библиотек прототипирования
- 1.1 Нейронные сети
- 1.2 Первая сверточная нейронная сеть LeNet
- 1.3 Вычисление на графическом ускорителе, архитектура AlexNet
- 1.4 Методы предотвращения переобучения
- 1.5 Архитектуры VGG-16, VGG-19
- 1.6 Сеть внутри сети (Сascaded Сross Сhannel Parameteric pooling)
- 1.7 Полностью сверточная сеть (fully convolutional network)
- 1.8 Архитектура Google Inception
- 1.9 Архитектура ResNet
- 1.10 Обзор основных пакетов для работы с нейронными сетями
- 1.10.1 Theano
- 1.10.2 Torch
- 1.10.3 TensorFlow
- 1.10.4 Caffe
- 1.10.5 Сравнение библиотек глубокого обучения
- 1.11 Формулировка целей работы
- 1.12 Выводы по разделу
- 2 Математическое описание
- 2.1 Основные слои сверточных нейронных сетей
- 2.2 Алгоритмы оптимизации функции ошибки
- 2.2.1 Общий вид алгоритма оптимизации функции ошибки
- 2.2.2 Стохастический градиентный спуск
- 2.2.3 Ускоренный градиентный спуск Нестерова (NAG)
- 2.2.4 Адаптивный градиентный спуск Adagrad
- 2.2.5 Pобастный метод подбора скорости обучения - Adadelta
- 2.2.6 Метод оптимизации RMSprop
- 2.2.7 Метод оптимизации Adam
- 2.3 Структура сети VGG-16, размерности слоев
- 2.4 Структура сети ResNet-101, размерности слоев
- 2.5 Выводы по разделу
- 3 Разработка системы обнаружения и распознавания объектов на изображениях на основе искусственных нейронных сетей
- 3.1 Разработка системы обнаружения и распознавания
- 3.2 Структура разработанных программных модулей для обучения нейронных сетей
- 3.3 Модуль подготовки данных
- 3.4 Модуль подбора гиперпараметров
- 3.5 Система обнаружения и распознавания и модуль тестирования
- 4 Разработка системы решения задачи регрессии и экспериментальные исследования
- 4.1 Подготовка данных для обучения нейронной сети
- 4.1.1 Описание исходных данных
- 4.2 Создание сети на основе VGG-16 и обучение с экспериментально подобранными параметрами
- 4.3 Базовый подбор гиперпараметров для VGG-16. Обучение с оптимальными параметрами
- 4.4 Базовый подбор гиперпараметров для ResNet-101. Обучение с оптимальными параметрами
- 4.5 Сравнение значений ошибки для обученных нейронных сетей
- 4.6 Визуальное тестирование обученных нейронных сетей
- 4.7 Выводы по разделу
- 4.1 Подготовка данных для обучения нейронной сети
- Заключение
- Список используемой литературы
Статистика использования
Количество обращений: 229
За последние 30 дней: 1 Подробная статистика |