Details

Title: Распознавание ногтевой пластины по видеоряду: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_02 «Системное программирование»
Creators: Кононов Павел Сергеевич
Scientific adviser: Беляев Сергей Юрьевич
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: распознавание ногтевой пластины; семантическая сегментация; обработка изображений; нейронные сети; nail plate recognition; semantic segmentation; image processing; neural networks
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/vr20-1560
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\8292

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, позволяющего сегментировать ногти по видеоряду или серии фотографий, на которых изображены руки. Задачи, которые решались в ходе исследования: 1. Исследование существующих методов решения задачи семантической сегментации. 2. Выбор модели и подбор ее гиперпараметров 3. Реализация алгоритма сегментации ногтевых пластин по изображениям или видеоряду, на которых присутствуют руки. 4. Сравнение результатов работы на имеющейся выборке и новых для модели данных. Реализованный алгоритм заключается в раскадровке видеоряда, предобработке каждого кадра и подачи его на вход нейронной сети. Нейронная сеть выделяет иерархию признаков и кодирует изображение. На выходе получается маска сегментации с соответствующими метками класса, которую нужно привести к изначальной размерности. Таким образом модель классифицирует каждый пиксель изображения. В работе представлены и проанализированы результаты, вычисленные моделью нейронной сети на обучающей и тестовой выборке. Полученные результаты можно использовать для разработки интерактивных инструментов привлечения внимания и маркетинга в сфере эстетики, красоты или медицины. На основании проведенных исследований было выявлено, что показывает неплохие результаты на небольшом обучающем множестве.

This work is devoted to the development of an algorithm that allows you to segment nails in a video order or series of photos that show hands. Tasks that were solved in the course of the study: 1. Research of existing methods for solving the problem of semantic segmentation. 2. Choice a model and selecting its hyperparameters 3. Implementation of an algorithm for segmentation of nail plates based on images or video sequences that contain hands. 4. Comparing the results of work on the existing sample and new data for the model. The implemented algorithm consists of storyboarding the video sequence, preprocessing each frame and feeding it to the input of the neural network. The neural network selects a hierarchy of features and encodes the image. The output is a segmentation mask with the corresponding class labels, which must be reduced to the original dimension. This way, the model classifies each pixel in the image. The paper presents and analyzes the results calculated by the neural network model on a training and test sample. The results can be used to develop interactive tools for attracting attention and marketing in the field of aesthetics, beauty, or medicine. Based on the conducted research, it was found that it shows good results on a small training set.

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

  • РЕФЕРАТ
  • ABSTRACT
  • Введение
  • ГлАВА 1. ПОСТАНОВКА ЗАДАЧИ И ОПИСАНИЕ ИСХОДНЫХ ДАННЫХ
    • 1.1 Рабочее пространство
    • 1.2 Постановка задачи
    • 1.3 Сложность задачи
    • 1.4 Цели исследования
  • Глава 2. Обзор существующих решений
    • 2.1 Пороговая сегментация
    • 2.2 Сегментация с помощью поиска границ
    • 2.2.1 Оператор Собеля
    • 2.2.2 Оператор Лапласса
    • 2.3 Сегментация основанная на кластеризации
    • 2.4 Сегментация основанная на сверточной нейронной сети
  • Глава 3. Сегментация ногтевых пластин
    • 3.1 Предобработка данных
    • 3.2 U-Net
    • 3.3.1 Слои нейронной сети
    • Сверточный слой
    • Слой активации
    • Слой субдискретизации
    • Слой передискретизации
    • 3.3.2 Итерации нейронной сети
    • 3.4 Аугментация данных
    • 3.5 Функция потерь и метрика
  • Глава 4. Результаты
    • 4.1 Обучение
    • 4.2 Эксперимент
  • Выводы
  • Список литературы

Usage statistics

stat Access count: 9
Last 30 days: 1
Detailed usage statistics