Виокремлення об`єктів на відеокадрах

Скорочена інформація про документ
dc.contributor.advisorШаповалова, Світлана Ігорівна
dc.contributor.authorКруглик, Діана Сергіївна
dc.date.accessioned2020-02-29T11:11:51Z
dc.date.available2020-02-29T11:11:51Z
dc.date.issued2019-12
dc.description.abstractenStructure and volume of the thesis The master's thesis is best gathered, five divided and offered. The work is contained in 18sources for viewing, 26 pictures, 24 tables. In addition, there is 1app at the end. The main work is on 91 pages. Actuality of theme Computer vision has been around for over 50 years, but we offer more than we have done a lot of growing and then "machines" see "as a computer if it requires use for consumers and users. A few additional extras — Amazon Go, Google Lens, standalone vehicles, communications extensions. Computer vision is a key driver in the whole business. Computer stars are a discipline in the broad field of artificial intelligence that machines must contain. Interesting goal — select pixel values. From a biological point of view, it requires the creation of computational models of the human visual system. From an engineering point of view, a working computer is designed to use an autonomous system that can be used to do what you can do if you want to make sure its person has it (check it with ).This work has devoted to the developers of the scheme of stages of expansion of tasks of separation of objects on video frames. The research methodology is to create schemes of stages of expansion of tasks of separation of objects on video streams, at application of test tasks which are under action and calculation of machines on expensive different possibilities. To achieve this goal, you must perform the following tasks: — analyze the analysis of different methods and people who were vibrating the subject of object separation on video frames; — in support of the leading analysis of the analogues, we propose a scheme of equal results that determine the higher utilization of objects in the picture for the OpenCV library and the Tensorflow framework; — explore music characteristics using previous working and quality classrooms; — review the software tools that allow you to perform the tasks of isolating objects in video frames; — to analyze methods of separation of objects on video frames as neural networks and cascade classifiers; — test the performance of both methods on test data and compare the data for the best ones; About Scientific Research: A Generalized Approach to Expanding Object Recovery Objects on Video Frames from the OpenCV Library and the Tensorflow Framework. Study Exploration: Object Discovery for the Use of Neutron Measures and Cascade Methods. Research methodology: cascading classification methods and neural networks. Scientific news: A scheme of equal disparate tasks for object separation on video streams of different methods was developed. Practical value: It is suggested to understand the scheme of the steps of the expansion of the tasks contained in the video frames, which were able to the developers to quickly inform and repeat the time of developing their own software programs.uk
dc.description.abstractukСтруктура і обсяг дипломної роботи Магістерська дисертація складається зі вступу, п`яти розділів і висновку. Робота містить в собі 18 джерела за переліком посилань, 26 ілюстрацій, 24 таблиць. Крім того, в кінці розміщено 1додаток. Основна частина роботи викладена на 91 сторінках. Актуальність теми Комп'ютерний зір існує вже більше 50 років, але останнім часом ми спостерігаємо велике виникнення інтересу до того, як машини "бачать" і як комп'ютерне бачення можна використовувати для створення продуктів для споживачів та бізнесу. Кілька прикладів таких додатків — Amazon Go, Google Lens, автономні транспортні засоби, розпізнавання обличчя. Ключовим рушійним фактором, що стоїть у всьому цьому, є комп'ютернийзір. Простіше кажучи, комп'ютерний зір — це дисципліна в рамках широкої області штучного інтелекту, яка вчить машини бачити. Його мета -витягнути значення з пікселів. З біологічної точки зору, його метою є створення обчислювальних моделей зорової системи людини. З інженерної точки зору, комп’ютерний зір має на меті побудувати автономні системи, які могли б виконувати деякі такі завдання, які може виконувати візуальна система людини (і навіть перевершувати її у багатьох випадках). Дана робота присвячена розробці схеми етапів розв'язання задачі виокремлення об'єктів на відекадрах. Метою дослідження є створення схеми етапів розв'язання задачі виокремлення об'єктів на відеопотоках, на прикладі тестових задач визначення та підрахунок машин на дорогах різними способами. Для досягнення поставленої мети потрібно виконати наступні задачі дослідження: — провести аналіз існуючих методів і досліджень, що були проведені по вибраній темі виокремлення об`єктів на відеокадрах; — на основі проведеного раніше аналізу запропонувати схему етапів вирішення задачі вищначення об`єктів на зображенні за допомогою бібліотеки OpenCV та фреймворку Tensorflow; — розглянути програмні засоби, що можуть вирішувати задачу виокремлення об`єктів на відеокадрах; — проаналізувати методи виокремлення об`єктів на відеокадрах такі як нейронні мережі та каскадні класифікатори; — перевірити роботу обох методів на тестових даних і порівняти результати для визначення кращого з них; Об’єкт дослідження: узагальнений підхід до розв’язування задач виокремлення об`єктів на відеокадрах з використанням бібліотеки OpenCV та фреймворку Tensorflow. Предмет дослідження: розпізнавання об`єктів за допомогою використання нейронних мереж та каскадних методів. Методи дослідження: каскадні методи класифікації та нейронні мережі. Наукова новизна: було розроблено схему етапів розв'язання задачі виокремлення об'єктів на відеопотоках різними методами. Практичне значення: запропонований зрозумілу схему етапів розв'язання задачі визначення об'єктів на відеокадрах, що дає змогу розробникам значно скоротити та спростити час розробки власних програмних забезпечень.uk
dc.format.page91 с.uk
dc.identifier.citationКруглик, Д. С. Виокремлення об`єктів на відеокадрах : магістерська дис. : 121 Інженерія програмного забезпечення / Круглик Діана Сергіївна. – Київ, 2019. – 91 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/32016
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectсегментаціяuk
dc.subjectкаскадні класифікаториuk
dc.subjectвиокремлення об’єктівuk
dc.subjectрегіонально-згорткова нейронна мережаuk
dc.subjectметоди сегментаціїuk
dc.subjectsegmentationuk
dc.subjectcascade classifiersuk
dc.subjectobject strengthuk
dc.subjectregional-converting neural networkuk
dc.titleВиокремлення об`єктів на відеокадрахuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kruhlyk_magistr.pdf
Розмір:
2.35 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

Магістерські роботи (АПЕПС)
Магістерські роботи