Метод розпізнавання двовимірних кодів на зображеннях

Скорочена інформація про документ
dc.contributor.advisorВарфоломєєв, Антон Юрійович
dc.contributor.authorСокол, Ярослав Володимирович
dc.date.accessioned2022-01-19T08:52:40Z
dc.date.available2022-01-19T08:52:40Z
dc.date.issued2021-12
dc.description.abstractenNowadays, two-dimensional bar codes have become widespread, which are used to encrypt and automatically read various types of information. In general, there are a number of types of the most commonly used two-dimensional barcodes. Therefore, universal decoders for decrypting the code must pass it through the decoding subsystems of each type of code. Since the decoding procedure is not simple, the time to try to process all code variants can be quite long. To overcome this problem in this work, a neural network for the primary recognition of the type of code, followed by the selection of the most likely for this type of decoder is proposed. Namely, the method of preliminary recognition of the most common types of two-dimensional codes based on the SqueezeNet neural network is proposed, which in contrast to the procedure of sequential verification by direct decryption using code decoding libraries allows to increase the speed of code type determination by 6 ms.uk
dc.description.abstractukВ наш час широкого розповсюдження набули двомірні штрих коди, які застосовуються для зашифрування та автоматичного зчитування різного роду інформації. Існує ряд типів найпоширеніших двомірних штрих кодів, у зв’язку з чим універсальні пристрої декодування для розшифрування коду мають його пропускати через підсистеми декодування кожного окремого типу коду. Оскільки процедура декодування не є простою, час на спробу обробити всі варіанти кодів може виявитись досить великим. Щоб подолати зазначену проблему запропоновано використати нейронну мережу для первинного розпізнавання типу коду із подальшим вибором найбільш імовірного для даного типу дешифратора. Зокрема, запропоновано метод попереднього розпізнавання типу найбільш поширених типів двомірних кодів на основі нейромережі SqueezeNet, що на відміну від процедури послідовної перевірки шляхом прямого дешифрування за допомогою бібліотек декодування кодів дозволяє підвищити швидкодію визначення типу коду на 6 мс, а також досягти вищої точності класифікування.uk
dc.format.page88 с.uk
dc.identifier.citationСокол, Я. В. Метод розпізнавання двовимірних кодів на зображеннях : магістерська дис. : 172 Телекомунікації та радіотехніка / Сокол Ярослав Володимирович. - Київ, 2021. - 88 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45939
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectLeNetuk
dc.subjectAlexNetuk
dc.subjectSqueezeNetuk
dc.subjectQr-codeuk
dc.subjectData matrixuk
dc.subjectAztec codeuk
dc.subjectnetworkuk
dc.subjectbarcodeuk
dc.subject.udc004.932.4uk
dc.titleМетод розпізнавання двовимірних кодів на зображенняхuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (КЕОА)
Магістерські роботи