Метод оцінки глибини по двовимірному зображенню

Скорочена інформація про документ
dc.contributor.advisorШульга, Максим Володимирович
dc.contributor.authorЦоколов, Максим Володимирович
dc.date.accessioned2025-01-07T08:51:23Z
dc.date.available2025-01-07T08:51:23Z
dc.date.issued2024
dc.description.abstractМагістерська 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.
dc.description.abstractotherThe master's thesis is devoted to the development and optimization of a lightweight neural network model for image depth estimation suitable for use on mobile and embedded devices. The work presents an approach to optimizing the model architecture that combines quantization and knowledge distillation techniques to achieve maximum efficiency with minimum computational requirements. Experimental studies have shown that the developed FastDepthAI model achieves a processing speed of 2.08 FPS on the CPU with a model size of only 13.39 MB, which is 2 times less than existing analogues of small versions of the model. During the development, we used advanced methods of model reduction and speed improvement, and conducted a comprehensive analysis of the results of using these methods. The most successful option was the quantization of the finished models; the use of light base distillation showed insufficient results.
dc.format.extent131 с.
dc.identifier.citationЦоколов, М. В. Метод оцінки глибини по двовимірному зображенню : магістерська дис. : 123 Комп’ютерна інженерія / Цоколов Максим Володимирович. – Київ, 2024. – 131 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71632
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectштучний інтелект
dc.subjectметоди
dc.subjectartificial intelligence
dc.subjectprogramming
dc.subjectоцінка глибини
dc.subjectкомп'ютерний зір
dc.subjectнейронні мережі
dc.subjectдвовимірні зображення
dc.subjectалгоритми
dc.subjectмашинне навчання
dc.subjectглибинне навчання
dc.subjectавтономні системи
dc.subjectобробка зображень
dc.subjectзгорткові нейронні мережі.
dc.subject.udc004.02
dc.titleМетод оцінки глибини по двовимірному зображенню
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Tsokolov_magistr.pdf
Розмір:
1.8 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ОТ)
Магістерські роботи