Please use this identifier to cite or link to this item: http://dspace.onu.edu.ua:8080/handle/123456789/32727
Title: Розробка системи класифікації об'єктів
Other Titles: Development of object classification system
Authors: Волинець, Олександр Олександрович
Citation: Волинець, О. О. Розробка системи класифікації об'єктів : дипломна робота бакалавра. – Одеса, 2021. – 104 с.
Issue Date: 2021
Publisher: Одеський національний університет імені І. І. Мечникова
Keywords: 123 Комп’ютерна інженерія
комп’ютерний зір
нейронна мережа
розпізнавання об’єкта
класифікатор
GPU
Abstract: Актуальність теми. З кожним роком зростає зацікавленість вирішення більш складних задач розпізнавання об’єктів, що обумовлена автоматизацією, необхідністю образних процесів комунікації в інтелектуальних системах. Тому реалізація розпізнавання комп’ютерними системами образів є актуальною. Один з перспективних напрямків вирішення даної проблеми ґрунтується на застосуванні штучних нейронних мереж і нейрокомп'ютерів, як найбільш прогресивних по відношенню проблем класифікації задач розпізнавання образів. У наш час запропоновано велику кількість архітектур нейромеж для застосування у розпізнаванні об’єктів. Аналіз запропонованих рішень показує, що перспективу в побудові ефективних архітектур вбачають у згорткових нейронних мережах. Об’єктом дослідження є нейронні мережі та їх застосування у задачах класифікації зображень. Предметом дослідження є методи і алгоритми реалізації архітектур нейронних мереж. Мета дослідження полягає в знаходженні раціональної структури та методів навчання нейронної мережі для класифікації зображень. Для досягнення цієї мети необхідно виконати наступні завдання: 1) Провести аналіз існуючих рішень розпізнавання об’єкта на зображенні методами глибинного машинного навчання. 2) Розглянути архітектури та основні принципи побудови нейронних мереж. 3) Дослідити алгоритми і методи навчання нейронних мереж, а також технології, що можуть бути застосовані для поліпшеннязначень критеріїв навчання мережі. 4) Описати та обрати вхідні набори даних для навчання і тестування згорткової нейронної мережі. 5) Розробити та дослідити варіанти моделі архітектури нейронної мережі, провести експерименти на запропонованих наборах даних застосовуючи графічні прискорювачі. 6) Порівняти та проаналізувати отримані результати. Програмна реалізація виконана за допомогою мови програмування Python 3, на базі використання технологій TensorFlow для розробки логіки (backend) і Nvidia cuDNN для перенесення обчислень на потужності графічного прискорювача
URI: http://dspace.onu.edu.ua:8080/handle/123456789/32727
Appears in Collections:Факультет математики, фізики та інформаційних технологій

Files in This Item:
File Description SizeFormat 
123_Volynets Oleksandr Oleksandrovych_1.pdf208.3 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.