С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

Детальная информация

Название: Применение свёрточных нейронных сетей для обнаружения объектов на видео с борта летательного аппарата: выпускная квалификационная работа бакалавра: 11.03.01 - Радиотехника ; 11.03.01_01 - Радиотехнические средства передачи, приема и обработки сигналов
Авторы: Крылов Станислав Сергеевич
Научный руководитель: Павлов Виталий Александрович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт физики, нанотехнологий и телекоммуникаций
Выходные сведения: Санкт-Петербург, 2018
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: обнаружение; сопровождение; классификация; компьютерное зрение
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 11.03.01
Группа специальностей ФГОС: 110000 - Электроника, радиотехника и системы связи
Ссылки: Отзыв руководителя
DOI: 10.18720/SPBPU/2/v18-5718
Права доступа: Свободный доступ из сети Интернет (чтение)

Разрешенные действия:

Действие 'Прочитать' 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 настоящей работе рассмотрены классические и нейросетевые подходы обработки изображений в задаче обнаружения и классификации объектов в видеопоследовательности с борта беспилотного летательного аппарата. На основе анализа рассмотренных подходов выбрана архитектура, наиболее подходящая для распознавания мелкомасштабных объектов заданного типа в режиме реального времени – YOLO2. Собран и размечен репрезентативный набор данных, который был использован для обучения выбранного детектора. Получена модель YOLO2 позволяющая различать автомобили, самолёты, вертолёты, корабли и здания с удовлетворительной точностью классификации и локализации.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать
Интернет Авторизованные пользователи Прочитать
-> Интернет Анонимные пользователи

Оглавление

  • СОДЕРЖАНИЕ
  • ВВЕДЕНИЕ
  • ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ АЛГОРИТМОВ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ
    • 1.1 Детектор Виолы-Джонса
    • 1.2 Детектор Далала-Триггса
    • 1.3 DPM
    • 1.4 Семейство R-CNN
      • 1.4.1 Fast R-CNN
      • 1.4.2 Faster R-CNN
      • 1.4.3 Mask R-CNN
      • 1.4.4 PVANet
    • 1.5 YOLO
    • 1.6 Single Shot MultiBox Detector (SSD)
    • 1.7 YOLO2
    • 1.8 Метрики в задачах компьютерного зрения
  • ГЛАВА 2. ВЫБОР АЛГОРИТМА
  • ГЛАВА 3. ЭКПЕРЕМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ
    • 3.1. ОБУЧЕНИЕ
    • 3.2 ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ
  • ЗАКЛЮЧЕНИЕ
  • Список литературы

Статистика использования документа

stat Количество обращений: 203
За последние 30 дней: 15
Подробная статистика