Розпізнавання графічних образів з використанням штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorНовотарський, Михайло Анатолійович
dc.contributor.authorКанащенко, Микита Дмитрович
dc.date.accessioned2020-01-14T13:40:00Z
dc.date.available2020-01-14T13:40:00Z
dc.date.issued2019
dc.description.abstractukАктуальність теми. Смарт техніка швидко розвивається. Тепер із застосуванням комп’ютерного зору машина може ще й “бачити”, орієнтуватися у навколишньому середовищі. Так званий штучний інтелект та машинне начання дають змогу на розробку системи розпізнавання зображень та виявлення об’єктів. Ця властивість знаходе застосування в автомобілях із домопожним керуванням та самокеруючому транспорті. Імплементація цієї технології зменшить ризик аварій та дозволі автоматизувати виробничий транспорт. Наразі складність полягає у тому, що обробка графічної інформації в реальному часі потребує великих обчислень. А точність детектора має бути якомога більшою. Тому необхідні ефективні алгоритми та техніки. Реалізація саме такого рішення запропонована у данній роботі. Мета і задачі дослідження. Метою даної роботи є розробка системи детекції об’єктів за допомогою класифікації та ідентифікації іх на зображеннях, зроблених камерою смартфона у режимі реального часу. Це рішення розглядається, як спосіб реалізації самокеруючих транспортних засобів. Для досягнення поставленої мети в роботі вирішуються наступні задачі. 1. Огляд сучасних методів машинного навчання, що стосуються у сфері комп’ютерного зору. 2. Порівняння технічних рішень нейронних мереж та методів для детекції об’єктів. 3. Реалізація та оцінка роботи системи виявлення об’єктів. Об’єктом дослідження є система детекції об’єктів дорожнього руху. Предметом дослідження є система ідентифікації та класифікації зображень, отриманних з відеопотоку у режимі реального часу. Методи дослідження. В роботі застосовані методи штучної нейронної мережі. Наукова новизна одержаних результатів полягає в наступному. 1. Досліджено механізм розпізнавання графічних образів за допомогою конволюційних нейронних мереж, розширюючи цей напрямок методами виявлення об’єктів. Показано, шо можна створити власний детектор об’єктів, ефективно використовуючі існуючі моделі класифікаторів. 2. Реалізовано систему детекіії об’єктів, що задовольняє вимоги розпізнавання у режимі реального часу при одночасно низькій утилізації обчислювальних ресурсів. Практична цінність одержаних результатів полягає в тому, що запропонована система дозволяє автоматизувати процес виявлення учасників дорожнього руху та є ефективною для роботи на мобільному пристрої. Структура та обсяг роботи. Магістерська дисертація складається з вступу, трьох розділів, висновків та додатків. У вступі подано загальну характеристику роботи, аргументовано актуальність керунку досліджень, сформульовано мету і задачі роботи, показано практичну цінність отриманих результатів. У першому розділі наведене теоретичне обґрунтування алгоритму машинного навчання та архітектури нейронних мереж для завдання класифікації. У другому розділі зроблено порівняння методів та засобів для класифікації зображень та виявлення об’єктів з використанням згорткових нейронних мереж. У третьому розділі описано роботу представленої системи та продемонстровано в якості додатку для смартфону. У висновках наведені результати виконаної роботи.uk
dc.format.page74 с.uk
dc.identifier.citationКанащенко, М. Д. Розпізнавання графічних образів з використанням штучного інтелекту : магістерська дис. : 121 Інженерія програмного забезпечення / Канащенко Микита Дмитрович. – Київ, 2019. – 74 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/30796
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectкомп’ютерний зірuk
dc.subjectкласифікація зображеньuk
dc.subjectметод виявлення об’єктівuk
dc.subjectконволюційна нейронна мережаuk
dc.subjectдетектор об’єктівuk
dc.subject.udc004.853uk
dc.titleРозпізнавання графічних образів з використанням штучного інтелектуuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Kanashenko_magistr.docx
Розмір:
4.81 MB
Формат:
Microsoft Word XML
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 (ОТ)
Магістерські роботи