Вибір гіперпараметрів для виявлення аномалій на зображеннях
Вантажиться...
Дата
2023
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
Анотація
Дипломна робота: 115 с., 21 рис., 8 табл., 2 додатки, 16 джерел.
Об’єкт дослідження – розробка алгоритму для зменшення
розмірностей ознакових векторів за допомогою жадібного вибору
оптимальних компонентів (ознак) для задачі розпізнавання аномалій на
зображеннях.
Предмет дослідження – навчання без вчителя з використання
попередньо навченої моделі EfficientNet B0, мультиваріативне розподілення
Гуасса та оцінювач коваріації Ledoit-Wolf та принципи PCA та NPCA як
попередні техніки зменшення векторів ознак, беручи за оптимальність
метрику AUROC.
Мета роботи – знайти такі оптимальні гіперпараметри, які б були
більш ефективними для виявлення аномалій на зображеннях, зменшували б
кількість потрібних для його підрахунків. Знайдені результати можна буде
застосовувати до більших кількостей аномалій в індустріальній сфері, тим
самим автоматизувати деякі процеси під час виробництва.
Результати роботи – розроблено програмний продукт, що виконує
комбінаторний підбір найкращих векторів з признаками, які допомагають
визначити наявність аномалій на зображеннях. Програмний продукт
реалізовано за допомогою мови програмування Python в середовищі Google
Colab+.
Опис
Ключові слова
машинне навчання, навчання без нагляду, глибоке навчання, нейронні мережі, згорткові нейронні мережі, зменшення розмірностей, ознакові вектори, machine learning, unsupervised learning, deep learning, neural networks, convolutional neural networks, dimensionality reduction, feature vectors
Бібліографічний опис
Гула, Т. В. Вибір гіперпараметрів для виявлення аномалій на зображеннях : дипломна робота ... бакалавра : 124 Сістемній аналіз / Гула Тетяна Віталіївна. - Київ, 2023. - 115 с.