Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/70859
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Марков, Николай Григорьевич | ru |
dc.contributor.author | Береснев, Алексей Павлович | ru |
dc.date.accessioned | 2022-05-25T06:57:07Z | - |
dc.date.available | 2022-05-25T06:57:07Z | - |
dc.date.issued | 2022 | - |
dc.identifier.citation | Береснев А. П. Алгоритмическое и программное обеспечение системы компьютерного зрения на основе сверточных нейронных сетей : научный доклад / А. П. Береснев ; Национальный исследовательский Томский политехнический университет (ТПУ), Управление магистратуры, аспирантуры и докторантуры (УМАД), Отделение информационных технологий (ОИТ) ; науч. рук. Н. Г. Марков. — Томск, 2022. | - |
dc.identifier.uri | http://earchive.tpu.ru/handle/11683/70859 | - |
dc.description.abstract | В данной работе рассматриваются проблемы создания и исследования архитектур СНС в составе мобильных систем компьютерного зрения (СКЗ) для решения задачи детектирования объектов разных масштабов на изображениях. Были сформированы требования эффективности, предъявляемые к разрабатываемым архитектурам по точности, объему вычислений и скорости работы. В результате исследований показано, что перспективными для задачи детектирования объектов являются СНС класса YOLO. Разработаны новые варианты архитектуры класса YOLO в ручном и автоматическом режиме с использованием современных подходов к уменьшению размеров архитектур без значительных потерь по точности. Получены результаты исследования эффективности разработанных моделей СНС при детектировании объектов разных масштабов на изображениях. | ru |
dc.description.abstract | In this work, we consider the problems of creating and research of CNN architectures as part of mobile computer vision systems (CVS) to solve the problem of object detection of various scales in images. Efficiency requirements for the developed architectures in terms of accuracy, amount of calculations and speed of work were formed. Results of the research shows that CNN of YOLO-class are promising for the problem of object detection. New versions of the YOLO-class architecture has been developed in manual and automatic modes using modern approaches to reducing architecture size without significant losses in accuracy. The results of a research of the effectiveness of the developed CNN models in object detection of different scales in images are obtained. | en |
dc.format.mimetype | application/pdf | - |
dc.language.iso | ru | en |
dc.rights | info:eu-repo/semantics/openAccess | - |
dc.subject | мобильные системы компьютерного зрения | ru |
dc.subject | сверточные нейронные сети | ru |
dc.subject | детектирование объектов на изображениях | ru |
dc.subject | машинное обучение | ru |
dc.subject | поиск архитектур нейронных сетей | ru |
dc.subject | mobile computer vision systems | en |
dc.subject | convolutional neural networks | en |
dc.subject | object detection in images | en |
dc.subject | machine learning | en |
dc.subject | neural architecture search | en |
dc.title | Алгоритмическое и программное обеспечение системы компьютерного зрения на основе сверточных нейронных сетей | ru |
dc.type | Students work | - |
local.department | Национальный исследовательский Томский политехнический университет (ТПУ)::Управление магистратуры, аспирантуры и докторантуры (УМАД)::Отделение информационных технологий (ОИТ) | - |
local.institut | 5394 | - |
local.localtype | Студенческая работа | - |
dc.subject.oksvnk | 09.06.01 | - |
local.thesis.level | Аспирант | ru |
local.thesis.discipline | Информатика и вычислительная техника | - |
local.local-vkr-id | 1163426 | - |
local.vkr-id | 49765 | - |
local.stud-group | А8-39 | - |
local.lichnost-id | 168515 | - |
local.thesis.level-id | 5 | - |
local.tutor-lichnost-id | 59202 | - |
dc.subject.udc | 004.421:004.415.2:004.932.2.032.26 | - |
Располагается в коллекциях: | Научные доклады |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU1348124.pdf | 307,44 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.