Система нейромережевого розпізнавання деталей одягу на зображенні
| dc.contributor.advisor | Сапсай, Тетяна Григорівна | |
| dc.contributor.author | Гудіков, Владислав Олегович | |
| dc.date.accessioned | 2019-03-12T12:46:29Z | |
| dc.date.available | 2019-03-12T12:46:29Z | |
| dc.date.issued | 2018-12 | |
| dc.description.abstractuk | Актуальність теми. Технології у 21 столітті стрімко розвиваються. Це зумовлено потужністю обчислювальної техніки, яка використовується у наші дні. Теорія машинного навчання почала свій розвиток ще у 60-ті роки минулого сторіччя, проте за відсутності відповідної обчислювальної техніки подальший розвиток цієї галузі був неможливий, хоча більшість принципів для розробки структур сучасних штучних інтелекті запозичені саме з тих часів. Так протягом останніх 15 років галузь машинного навчання є однією із провідних у комп’ютерних науках.. Використання нейромережевого підходу при вирішенні задач з комп’ютерного бачення є унікальним. Застосовуючи основні принципи побудови згорткової нейронної мережі, що є фундаментом для вирішення задач комп’ютерного бачення, можна використовувати будь-які необхідні тренувальні множини для розпізнавання об’єктів або рухів, відновлення сцен та зображень. Об’єктом дослідження система організації нейромережевого розпізнавання деталей на зображенні об‘єкта на основі створення моделі нейронної мережі. Предметом дослідження є методи навчання нейронних мереж та способи реалізації архітектор згорткових нейронних мереж. Методи дослідження — методи машинного навчання з попереднім використанням тренувальної множини. Мета і задачі дослідження: створити систему нейромережевого розпізнавання деталей одягу на зображені об‘єкта на основі згорткової нейронної мережі з використанням залишкового блоку. Для досягнення цієї мети вирішити наступні задачі: розглянути і проаналізувати архітектури та принципи організації нейронних мереж та методів вирішення задач комп‘ютерного бачення, дослідити методи навчання нейронних мереж, а також способи оптимізації параметрів згорткових мереж, запропонувати структуру системи розпізнавання об‘єктів, яка забезпечить зменшення похибки при класифікації деталей одягу. Провести експериментальне дослідження характеристик системи. Наукова новизна одержаних результатів полягає в наступному: 1. Обґрунтовано використання методів залишкового навчання разом із основними принципами роботи фільтру Калмана та прихованими марківськими процесами для запобігання проблеми деградації нейронної загорткової мережі, що є результатом згасання градієнта. 2. Запропоновано нову множину гіперпараметрів згорткової нейронної мережі: кількість шарів нейронної мережі, значення коефіцієнта темпу навчання, що визначає крок антиградієнта на кожній ітерації, використання стохастичного градієнткого спуску та функції активації ReLu. 3. На цій основі запропонована структура системи нейромережевого розпізнавання деталей на зображенні об‘єкта з використанням загорткової нейронної мережі з залишковим навчання. Практична цінність одержаних результатів полягає в тому, що розроблена система розпізнавання деталей одягу на основі згорткової нейронної мережа, яка може використовуватись не тільки для класифікації атрибутів одягу, а також для інших задач класифікацій об’єктів на зображенні. Апробація роботи. Основні положення і результати роботи представлені та обговорені на: • XI конференція молодих вчених ПМК-2018-2 «Прикладна математика та комп’ютинг»; • V Міжнародна науково-технічна Internet-конференція «Сучасні методи, інформаційне, програмне та технічне забезпечення систем керування організаційно-технічними та технологічними комплексами» Публікації. За темою досліджень опубліковано 2 дві наукові праці - тези доповідей на конференціях. Структура та обсяг роботи. Магістерська дисертація складається з вступу, трьох розділів, висновків та додатків. У вступі зроблено оцінку сучасного стану розвитку машинного навчання, визначено основні проблеми при навчанні нейронної мережі, обґрунтовано актуальність напряму, сформульовано мету і задачі досліджень У першому розділі наведено теоретичні відомості щодо заданої тематики, визначено основні методи вирішення задач комп’ютерного бачення, методи навчання нейронних мереж. У другому розділі наведено види нейронних мереж та основні елементи, з яких складаються такі мережі, та проаналізовані параметри моделей згорткових нейронних мереж, що використовуються при навчанні мереж. У третьому розділі розроблена система розпізнавання деталей одягу на основі навчання первинної згорткової нейронної мережі з залишковим блоком, що дозволяє зменшити похибку при класифікації об‘єктів. У висновках представлені результати проведеної роботи | uk |
| dc.format.page | 92 с. | uk |
| dc.identifier.citation | Гудіков, В. О. Система нейромережевого розпізнавання деталей одягу на зображенні : магістерська дис. : 123 Комп’ютерна інженерія. Комп’ютерні системи та компоненти / Гудіков Владислав Олегович. – Київ, 2018. – 92 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/26679 | |
| dc.language.iso | uk | uk |
| dc.publisher.place | Київ | uk |
| dc.subject | згорткова нейронна мережа | uk |
| dc.subject | залишкове навчання | uk |
| dc.subject | темп навчання | uk |
| dc.subject | розпізнавання об’єкта | uk |
| dc.subject | навчання мережі | uk |
| dc.subject | комп’ютерне бачення | uk |
| dc.subject.udc | 004.852 | uk |
| dc.title | Система нейромережевого розпізнавання деталей одягу на зображенні | uk |
| dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Hudikov_magistr.pdf
- Розмір:
- 2.22 MB
- Формат:
- Adobe Portable Document Format
- Опис: