Метод оцінки глибини по двовимірному зображенню
Вантажиться...
Дата
2024
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація присвячена розробці та оптимізації легкої моделі нейронної мережі для оцінки глибини зображення, придатної для використання на мобільних та вбудованих пристроях. У роботі представлено підхід до оптимізації архітектури моделі, що поєднує техніки квантизації та дистиляції знань для досягнення максимальної ефективності при мінімальних обчислювальних вимогах. Експериментальні дослідження показали, що розроблена модель FastDepthAI досягає швидкості обробки 2.08 FPS на CPU при розмірі моделі лише 13.39 МБ, що в 2 рази менше за існуючі аналоги малих версій моделей. При розробці було використано передові методи зменшення моделей та підвищення швидкостей, проведено комплексний аналіз результатів використання методів. Найбільш вдалим варіантом вийшла квантизація готових моделей, використання дистиляції з легкими основами показало недостатні результати.
Опис
Ключові слова
штучний інтелект, методи, artificial intelligence, programming, оцінка глибини, комп'ютерний зір, нейронні мережі, двовимірні зображення, алгоритми, машинне навчання, глибинне навчання, автономні системи, обробка зображень, згорткові нейронні мережі.
Бібліографічний опис
Цоколов, М. В. Метод оцінки глибини по двовимірному зображенню : магістерська дис. : 123 Комп’ютерна інженерія / Цоколов Максим Володимирович. – Київ, 2024. – 131 с.