Details

Title: Разработка системы определения расстояния между объектами-маркерами на фотоизображении на основе многослойной нейронной сети: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_02 «Системное программирование»
Creators: Мельник Павел Валерьевич
Scientific adviser: Крашенинников Сергей Вениаминович
Other creators: Арефьева Людмила Анатольевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint: Санкт-Петербург, 2020
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: нейронные сети; свёрточные нейронные сети; объекты маркеры; детектирование объектов; сегментация изображения; выделение масок; поиск линейных размеров; выделение контуров; преобразования хафа; метрическая шкала; аугментация; дообучение; neural networks; convolutional neural networks; marker; object detection; image segmentation; mask selection; linear distance search; countur detection; hough transform; augmentation; transfer learning
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 01.03.02
Speciality group (FGOS): 010000 - Математика и механика
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-1522
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\8262

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Данная работа посвящена разработке алгоритма автоматического определения линейных размеров объектов на изображении по объектам-маркерам в приложении к строительной отрасли. Задачи, которые решались в ходе разработки: 1. Улучшение существующих алгоритмов вычисления расстояния, за счёт добавления работы с разными условиями освещения. 2. Обучение нейронной сети для получения описывающих масок маркеров, находящихся на фотоизображении. 3. Применение и анализ методов компьютерного зрения для работы с полученными масками маркеров на изображении. Работа основана на архитектуре нейронной сети, сегментирующей маски объектов. Анализ результатов проводился путём запуска вычислений на валидационных данных. В результате был разработан алгоритм вычисления расстояния между объектами- маркерами в приложении к строительной отрасли, когда маркерами являются ограничители на строительной линейке, а также представлены и проанализированы результаты вычисления расстояний между маркерами на предоставленном множестве фотографий.

This program is designed to develop algorithms for automatically determining the linear dimensions of objects in the image in the application to the construction industry. Tasks that were solved during development: 1. Improving existing algorithms. 2. Training the neural network to obtain descriptive marker masks used in the image. 3. Application and analysis of computer vision methods for working with masked markers in the image. The work is based on the architecture of the neural network called Mask R-CNN. Analysis of the results of wireline calculations on validation data. As a result, an algorithm for calculating the boundaries between markers and multiple photographs was developed.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Table of Contents

  • Разработка системы определения расстояния между объектами-маркерами на фотоизображениях на основе многослойной нейронной сети
    • Введение
    • 1. Постановка задачи и описание исходных данных
    • 2. Нейронные сети
    • 3. Обучение нейронной сети
    • 4. Алгоритм
    • 5. Результаты
    • Заключение
    • Список использованных источников

Usage statistics

stat Access count: 5
Last 30 days: 0
Detailed usage statistics