Аналіз відеопотоку: ідентифікація аномальних подій

Скорочена інформація про документ
dc.contributor.advisorСігайов, Андрій Олександрович
dc.contributor.authorПавленко, Микола Русланович
dc.date.accessioned2020-09-28T11:37:44Z
dc.date.available2020-09-28T11:37:44Z
dc.date.issued2020
dc.description.abstractenThe object of research is video data on which happens normal or anomaly event. The subject of research is convolutional neural network for feature extraction from visual data The theme: develop computer vision system for automatic video surveillance in order to predict normal or anomaly event. Actuality — increase the level of security on streets, banks, shops, shopping malls, etc. Tested neural network and determined the level of realiability of forecasting results. The further development of system is to increase neural network forecasting and develop centralized system with automatic report to the relevant security authorities.uk
dc.description.abstractruОбьект исследования — видео, на котором происходит аномальное или обычное событие. Предмет исследований — сверточная нейронная сеть для извлечения признаков с визуальных даних. Цель работы — разработать систему компьютерного зрения для автоматического видеонаблюдения с целью класификации событий на аномальные или обычние. Актуальность — увеличить уровень безопасности на улицах, в торговых центрах, вокзалах, магазинах и т.д. Выполнено проверку обученой сети, определено уровень достоверности результатов прогнозирования. Пути последующего развития предмета исследований –улучшить алгоритм виявление аномальных событий, создать централизованную систему с автоматическим отчетом для соответствующих органов безопасности.uk
dc.description.abstractukОб’єкт дослідження — відео, на яких відбувається аномальна або звичайна подія. Предмет дослідження — згорткова нейронна мережа для вилучення ознак з візуальних даних. Мета роботи — розробити систему комп’ютерного зору для автоматичного відеоспостереження із метою класифікації подій на аномальні та звичайні. Актуальність — збільшити рівень безпеки на вулицях, в торговельних центрах, вокзалах, магазинах і т.д. Виконано перевірку навченної мережі, визначено рівень достовірності результатів прогнозування. Шляхи подальшого розвитку предмету дослідження — покращити алгоритм виявлення аномалій, створити централізовану систему із автоматичним звітом у відповідні органи безпеки.uk
dc.format.page79 с.uk
dc.identifier.citationПавленко, М. Р. Аналіз відеопотоку: ідентифікація аномальних подій : дипломна робота ... бакалавра : 122 Комп’ютерні науки та інформаційні технології / Павленко Микола Русланович. – Київ, 2020. – 79 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/36439
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectнейронні мережіuk
dc.subjectаномальні подіїuk
dc.subjectзгорткові мережіuk
dc.subjectглибоке навчанняuk
dc.subjectкомп’ютерний зірuk
dc.subjectбінарна класифікаціяuk
dc.subjectconvolutional neural netsuk
dc.subjectanomaly eventuk
dc.subjectdeep learninguk
dc.subjectcomputer visionuk
dc.subjectbinary classificationuk
dc.subjectneural netsuk
dc.titleАналіз відеопотоку: ідентифікація аномальних подійuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pavlenko_bakalavr.pdf
Розмір:
2.44 MB
Формат:
Adobe Portable Document Format
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 (АПЕПС)
Бакалаврські роботи