Ефективні методи розпізнавання облич за допомогою згорткових нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorБарановська, Леся Валеріївна
dc.contributor.authorЛітвинчук, Андрій Миколайович
dc.date.accessioned2020-08-30T16:31:15Z
dc.date.available2020-08-30T16:31:15Z
dc.date.issued2020-06
dc.description.abstractenDiploma work: 99 p., 20 fig., 9 tables, 2 appendixes, 24 sources. The theme: Effective methods of face recognition using convolutional neural networks. The object of study – an open dataset that includes 3 million images of more than 9,000 people of different ages and nationalities. Subject of research – convolutional neural networks and their improvement through metric learning, modifications of architectures, optimization methods, learning rate schedulers and various ways of regularization. Purpose – develop a high-quality face recognition model that will meet all the requierments for high-quality real-time operation, namely to be fast, sufficiently capacious and resistant to noise that will occur due to the accumulation of errors in face recognition systems. Actuality – application of a high-quality face recognition system in various areas of activity, in particular in the field of protection of personal information and security systems. There were performed bunch of experiments and comparative analysis of the considered methods of improvement of convolutional neural networks. As a result a universal algorithm for training the face recognition model was obtained. The further development of the research subject – improving neural network architecture, collecting more data and applying better regularization techniques.uk
dc.description.abstractukДипломна робота: 99 с., 20 рис., 9 табл., 2 додатки, 24 джерела. Об’єкт дослідження – відкритий набір даних, який включає 3 мільйони зображень більше ніж 9000 людей різного віку та національності. Предмет дослідження – згорткові нейронні мережі та їх покращення за допомогою навчання подібності, модифікацій архітектур, методів оптимізації, розкладів руху навчання та різних способів регуляризації. Мета роботи – розробити якісну модель розпізнавання облич, яка буде задовільняти всім умовам для високоякісної роботи у реальному часі, а саме бути швидкою, достатньо місткою та стійкою до шумів, які будуть виникати внаслідок нагромадження помилок систем розпізнавання облич. Актуальність – застосування якісної системи розпізнавання облич в різних сферах діяльності, зокрема в захисті персональної інформації та охоронній діяльності. Проведено ряд експериментів, виконано порівняняльний аналіз розглянутих методів покращення згорткових нейронних мереж, в результаті отримано універсальний алгоритм для навчання моделі розпізнавання облич. Шляхи подальшого розвитку предмету дослідження – покращення архітектури нейронної мережі, збір більшої кількості даних та застосування кращих методів регуляризації.uk
dc.format.page99 с.uk
dc.identifier.citationЛітвинчук, А. М. Ефективні методи розпізнавання облич за допомогою згорткових нейронних мереж : дипломна робота ... бакалавра : 124 Системний аналіз / Літвинчук Андрій Миколайович. - Київ, 2020. - 99 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/35896
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectрозпізнавання обличuk
dc.subjectнавчання подібностіuk
dc.subjectбагатокласова класифікаціяuk
dc.subjectоптимізаціяuk
dc.subjectаугментаціїuk
dc.subjectconvolutional neural networksuk
dc.subjectface recognitionuk
dc.subjectmetric learninguk
dc.subjectmulticlass classificationuk
dc.subjectoptimizationuk
dc.subjectaugmentationsuk
dc.titleЕфективні методи розпізнавання облич за допомогою згорткових нейронних мережuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Litvynchuk_bakalavr.docx
Розмір:
6.21 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи