Please use this identifier to cite or link to this item: http://earchive.tpu.ru/handle/11683/61132
Title: Алгоритм локализации сельскохозяйственных растений в течение вегетативного периода на изображении
Authors: Сергеева, Наталья Дмитриевна
metadata.dc.contributor.advisor: Аксёнов, Сергей Владимирович
Keywords: компьютерное зрение; детекция ключевых точек; распознавание объектов; сегментация изображений; сверточные нейронные сети; взвешенное расстояние хаусдорфа; computer vision; keypoint detection; object recognition; image segmentation; convolutional neural network; weighted hausdorff distance
Issue Date: 2020
Citation: Сергеева Н. Д. Алгоритм локализации сельскохозяйственных растений в течение вегетативного периода на изображении : магистерская диссертация / Н. Д. Сергеева ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ) ; науч. рук. С. В. Аксёнов. — Томск, 2020.
Abstract: Работа посвящена разработке алгоритма локализации на изображении сельскохозяйственных растений на разных стадиях вегетативного роста. Особенностью задачи является требование к получению результата обработки изображения в виде координат структурных центров растений, обозначенных розетками побегов. В связи с этим задача была интерпретирована как задача детекции ключевых точек нескольких объектов на изображении. Решение задачи разделено на два этапа: разработка общего алгоритма для детекции ключевых точек на изображении и его реализация на имеющемся датасете. Алгоритм основан на использовании методов глубокого обучения и классических техник компьютерного зрения.
The work is devoted to the development of an algorithm of localization on the image for agricultural plants at different stages of vegetative growth. The specificity of the task was the requirement to obtain coordinates of the plants structural centers, indicated by sprout rosettes. In this regard, the problem was interpreted as the multi-object keypoints detection. The solution was divided into two stages: the development of a general algorithm for the keypoints detection and its implementation on the existing dataset. The algorithm is based on the deep learning methods and classical computer vision techniques.
URI: http://earchive.tpu.ru/handle/11683/61132
Appears in Collections:Магистерские диссертации

Files in This Item:
File SizeFormat 
TPU932533.pdf3,81 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.