Застосування методу глибоких згорткових нейронних мереж для класифікації зображень дорожніх знаків

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorДорошенко, Сергій Володимирович
dc.date.accessioned2023-09-19T09:47:08Z
dc.date.available2023-09-19T09:47:08Z
dc.date.issued2023
dc.description.abstractДипломна робота: 98 с., 35 рис., 11 табл., 2 дод., 22 джерела. Обʼєктом дослідження є набір даних з зображеннями дорожніх знаків. Предметом дослідження є згорткові нейронні мережі. Мета роботи – використання різних архітектур згорткових нейронних мереж для класифікації дорожніх знаків з German Traffic Sign Recognition Benchmark (GTRSB) та їх аналіз. Були розглянуті такі архітектури нейронних мереж: VGG-19, MobileNet, EfficientNet та DenseNet. Отримані результати: були реалізовані розглянуті архітектури згорткових нейронних мереж для класифікації зображень дорожніх знаків. Також була створена програма програма з використанням перелічених архітектур. Крім цього, програмний продукт може візуалізувати метрики якості моделей, будуючи графіки залежності точності та втрат від епох. Завдяки ретельному дослідженню згорткових нейронних мереж, було зроблено остаточні висновки та надані рекомендації щодо використання різних архітектур згорткових нейронних мереж для класифікації зображень дорожніх знаків.uk
dc.description.abstractotherThesis contains: 98 p., 35 fig., 11 tabl., 2 append., 22 references. The object of research is a dataset with images of road signs. The subject of the study is convolutional neural networks. The purpose of the study is to use different convolutional neural network architectures to classify traffic signs from the German Traffic Sign Recognition Benchmark (GTRSB) and analyze them. The following neural network architectures were considered: VGG-19, MobileNet, EfficientNet, and DenseNet. Results obtained: the considered convolutional neural network architectures were implemented for the classification of road sign images. Also, a software program was created using the listed architectures. In addition, the software product can visualize model quality metrics by plotting accuracy and loss versus epochs. Through a thorough study of convolutional neural networks, final conclusions were drawn and recommendations were made on the use of different convolutional neural network architectures for road sign image classification.uk
dc.format.extent98 с.uk
dc.identifier.citationДорошенко, С. В. Застосування методу глибоких згорткових нейронних мереж для класифікації зображень дорожніх знаків : дипломна робота ... бакалавра : 124 Системний аналіз / Дорошенко Сергій Володимирович. – Київ, 2023. – 98 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60478
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectнейронні мережіuk
dc.subjectкласифікаціяuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectpythonuk
dc.subjecttensorflowuk
dc.subjectneural networksuk
dc.subjectconvolutional neural networksuk
dc.subjectclassificationuk
dc.titleЗастосування методу глибоких згорткових нейронних мереж для класифікації зображень дорожніх знаківuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Doroshenko_bakalavr.pdf
Розмір:
11.79 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

Бакалаврські роботи (ММСА)
Бакалаврські роботи