Детальная информация

Название: Методы распознавания образов с использованием глубоких нейронных сетей: выпускная квалификационная работа магистра по направлению 27.04.03 - Системный анализ и управление ; 27.04.03_01 - Теория и математические методы системного анализа и управления в технических и экономичеких системах
Авторы: Мельников Константин Алексеевич
Научный руководитель: Нестеров Сергей Александрович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: Видеоинформация; Нейронные сети; машинное обучение; глубинное обучение; обучение с учителем; сверточная нейронная сеть; классификация; алгоритм обратного распространения ошибки; перекрестная проверка; видеоаналитика
УДК: 621.397:004.032.26
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 27.04.03
Группа специальностей ФГОС: 270000 - Управление в технических системах
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-5346
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)

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

Объект исследования: свёрточная нейронная сеть, классификатор на ее основе. Цель работы - исследование медотов и применение методов глубинного обучения при разработке программно-аппаратного комплекса для записи и анализа видеопотока на оснвое нейросетевых классификаторов, способного детектировать изменения мимики и расположения человека в пространсте. В работе представлены математическая модель классификатора на основе свёрточной нейронной сети, структура данной модели, алгоритм обучения на основе стохастического градиентного спуска и метода обратного распространения ошибки. Для предотвращения переобучения использовался метод регуляризации, оптимальные параметры которой определялись на основе перекрестной проверки. Проведены тестирование синтезированного классификатора и оценка точности классификации.

The aim of the thesis is the comparative analysis of deep learning methods used in the development of video analytics software. The object of the research is the deep neaural networks used in classificatoin. The thesis consists of three chapters. The first chapter presents an overview of the basic concepts of machine and deep learning, such as common problems, neaural newtorks, regularisation. The second chapter introduces the main tools used for neural network trainig. The third chapter contains comparative analysis of used neural network used if development.

Права на использование объекта хранения

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

Статистика использования

stat Количество обращений: 52
За последние 30 дней: 1
Подробная статистика