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
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
Цель работы – Установить возможность распознавания предметов (музейных экспонатов) на кадрах с телекамер системы охранного телевидения Фондохранилища Государственного Эрмитажа при помощи предобученных нейронных сетей. В ходе проведения данной работы был произведен анализ различных методик обучения нейронных сетей. Анализ производился с использованием открытых образовательных ресурсов и программ поиска и анализа информации. Для выполнения цели данного исследования была выбрана нейронная сеть SqueezeNet. Ввиду малого количества входных данных, для обучения нейронной сети была выбрана модель трансферного обучения. В качестве метода обучения был выбран метод стохастического градиентного спуска с импульсом «SGDM». Был разработан алгоритм для создания дополнительных входных изображений, участвующих в обучении нейронной сети. Был создан алгоритм для обучения нейронной сети SqueezeNet распознаванию музейных объектов на территории Фондохранилища Государственного Эрмитажа. Обучение исследуемой нейронной сети производилось с использованием програмного обеспечения Matlab. В результате исследуемая нейронная сеть была адаптирована для определения музейных экспонатов Фондохранилища Государственного Эрмитажа.
The given work is devoted to establishing the possibility of recognizing objects (museum exhibits) on frames from television cameras of the State Hermitage CCTV system using pre-trained neural networks. In the course of this work, an analysis of various methods for training neural networks was made. The analysis was carried out using open educational resources and programs for searching and analyzing information. To fulfill the purpose of this study, the SqueezeNet neural network was chosen. Due to the small amount of input data, the transfer learning model was chosen to train the neural network. The stochastic gradient descent method with momentum "SGDM" was chosen as the training method. An algorithm to create additional input images involved in neural network training was developed. An algorithm for training the SqueezeNet neural network to recognize museum objects on the territory of the State Hermitage Repository was created. The studied neural network was trained using the Matlab software. As a result, the studied neural network was adapted to identify museum exhibits of the State Hermitage Repository.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Статистика использования
Количество обращений: 0
За последние 30 дней: 0 Подробная статистика |