Застосування нейронних мереж в задачах розпізнавання об’єктів

Скорочена інформація про документ
dc.contributor.advisorФіліпова, Наталія Юріївна
dc.contributor.authorСавка, Максим Сергійович
dc.date.accessioned2022-08-19T11:41:06Z
dc.date.available2022-08-19T11:41:06Z
dc.date.issued2022-05
dc.description.abstractenThis paper describes the development of a web application using a neural network to determine the quantitative and qualitative parameters of human activity. The first part is an analytical review of the prerequisites for the use of neural networks. The first section analyzes the historical preconditions for the creation of artificial intelligence systems. The principles of construction of neural network systems are considered. A common feature of many types of controlled and uncontrolled models of deep learning is that these models have many layers of latent neurons that learn in combination with the back propagation and error gradients of stochastic gradient descent. A fundamental advantage of neural networks among standard approaches to computer algorithms is the ability of the network to classify data very accurately, adjusting the strength of the connection between their neurons, ie changing the values of weights. The second section discusses the tools for developing and training neural networks. It is advisable to use the Python programming language to develop a solution for object recognition. The TensorFlow library for Python is considered. TensorFlow provides a set of working tools for developing and learning models using Python. The expediency of using JavaScript together with Flask to build the interface of the project website is considered. The use of the BlazePose pose detection model is considered. BlazePose displays 33 key points according to the following order. The use of graphics processors for the neural network learning process is conditioned. The third section develops a web application for estimating the quality and quantity of physical activity based on the use of artificial neural networks. The capabilities of the Flask framework were used to implement the server part of the web application. The BlazePose model was used as a model for recognizing the position of the human body. The user interface of the web application includes the number of repetitions performed, as well as the status of the position of the hands during the exercise. Added debug mode with display of recognized parts of the human body for better visibility, as well as for the process of tracking errors in recognition.uk
dc.description.abstractukАктуальність дослідження. Штучний інтелект – один із найголовніших напрямів розвитку сфери інформаційних технологій у сьогоденні. Штучні нейронні мережі є відгалуженням від глобального напрямку штучного інтелекту. Нейронні мережі можуть використовуватись для великого спектру задач, у тому числі для обробки зображень. Технологія обробки зображень для розпізнавання образів може забезпечити розпізнавання положення тіла людини з достатньо високою точністю, що дозволить відслідковувати її рухи та підраховувати кількість активності людини. Метою дослідження є створення веб-застосунку з використанням нейронної мережі для визначення кількісних та якісних параметрів активності людини. Об'єкт дослідження – веб-застосунок для оцінки якості та кількості виконання фізичного навантаження на основі технологій використання штучних нейронних мереж. Предмет дослідження – нейронна мережа для розпізнавання положення тіла людини Методи дослідження – розробка веб-застосунку на основі нейронної мережі та аналіз компонентів для реалізації системи. Наукова новизна одержаних результатів: запропонована система використання технології розпізнавання обʼєктів за допомогою нейронних мереж для контролю якості та кількості виконання вправ. Практичне значення одержаних результатів: У результаті виконання дипломної роботи розроблено веб-застосунок для оцінки виконання фізичного навантаження. Проведено аналіз технологій для реалізації створеного рішення. Отримані результати можуть бути використані для реалізації проекта із самостійного контролю кількості та правильності фізичної активності людини. Апробація результатів дисертації: Савка М. С., Філіпова Н.Ю. Обумовленність вибору відеокарт замість центральних процесорів при навчанні нейронних мереж: матеріали IІІ Всеукраїнської науково-технічної конференції «Технології кіно та аудіовізуальних систем» (9-10 грудня 2019 р). Київ, 2019 с. 23-25.uk
dc.format.page117 c.uk
dc.identifier.citationСавка, М. С. Застосування нейронних мереж в задачах розпізнавання об`єктів : магістерська дис. : 171 Електроніка / Савка Максим Сергійович. – Київ, 2022. – 117 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/49526
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectнейронна мережаuk
dc.subjectмашинне навчанняuk
dc.subjectглибоке навчанняuk
dc.subjectрозпізнавання зображеньuk
dc.subjectPythonuk
dc.subjectрозпізнавання об'єктівuk
dc.subjectneural networkuk
dc.subjectmachine learninguk
dc.subjectdeep learninguk
dc.subjectimage recognitionuk
dc.subjectobject recognitionuk
dc.subject.udc004.89uk
dc.titleЗастосування нейронних мереж в задачах розпізнавання об’єктівuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (АМЕС)
Магістерські роботи