Details
| Title | Применение графической нейронной сети SuperGlue в алгоритме локальной топологии для улучшения распознавания точечных объектов: выпускная квалификационная работа бакалавра: направление 11.03.01 «Радиотехника» ; образовательная программа 11.03.01_01 «Космические и наземные радиотехнические системы» |
|---|---|
| Creators | Гейсис Дмитрий Евгеньевич |
| Scientific adviser | Попов Евгений Александрович |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт электроники и телекоммуникаций |
| Imprint | Санкт-Петербург, 2025 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | распознавание точечных объектов ; графическая нейронная сеть ; локальная топология ; сравнение геометрических признаков ; recognition of point objects ; graphical neural network ; local topology ; comparison of geometric features |
| Document type | Bachelor graduation qualification work |
| File type | |
| Language | Russian |
| Level of education | Bachelor |
| Speciality code (FGOS) | 11.03.01 |
| Speciality group (FGOS) | 110000 - Электроника, радиотехника и системы связи |
| DOI | 10.18720/SPBPU/3/2025/vr/vr25-1399 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | ru\spstu\vkr\36399 |
| Record create date | 8/8/2025 |
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 |
Цель работы — автоматизация извлечения наборов точек в растровом изображении при сохранении качества распознавания В данной работе был реализован алгоритм локальной топологии Point-pattern matching с интеграцией графической нейронной сети SuperGlue, получен результат геометрической схожести на основе распознавания изображений из библиотеки MNIST. Произведено сравнение результатов с технологией ручной подачей точек в PPM и методом SIFT + PPM. Результаты демонстрируют слабую высокую скорость, при малой потере точности.
The purpose of the work is to automate the extraction of sets of points in a raster image while maintaining recognition quality. In this paper, the Point-pattern matching local topology algorithm was implemented with the integration of the SuperGlue graphical neural network, and the result of geometric similarity based on image recognition from the MNIST library was obtained. The results were compared with the technology of manual feeding of dots in PPM and the SIFT + PPM method. The results show weak high speed, with little loss of accuracy.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
Access count: 0
Last 30 days: 0
