Аннотация 2
Введение 5
1 Анализ применение свёрточных нейронных сетей для локализации и распознавания объектов на изображениях 7
1.1 Анализ алгоритмов машинного обучения 7
1.2 Анализ технологии искусственных нейронных сетей 10
1.3 Анализ технологии свёрточных нейронных сетей 23
2 Проектирование свёрточной нейронной сети для распознавания и локализации объектов на изображении 31
2.1 Базовая архитектура модели свёрточной нейронной сети 31
2.2 Дополнительные слои модели свёрточной нейронной сети 38
2.3 Получение предсказаний модели свёрточной нейронной сети 46
3 Реализация и тестирование свёрточной нейронной сети для локализации и распознавания объектов на изображениях 57
3.1 Реализация свёрточной нейронной сети 57
3.2 Тестирование свёрточной нейронной сети для распознавания и локализации объектов на изображениях 72
Заключение 81
Список используемых источников 83
Приложение А Исходный код реализованной модели нейронной сети 86
Купить

Обнаружение объектов является ключевой способностью систем компьютерного зрения классифицировать и локализовать различные объекты на изображениях и видео. Методы, которые используют системы компьютерного зрения для выполнения задачи обнаружения объектов, делятся на две обширные категории: традиционные методы и эволюционные методы [1]. Традиционные методы обнаружения объектов осуществляют обнаружение нескольких объектов на одном изображении, рассматривая такие признаки, как форма, текстура, цвет. С появлением таких подходов, как свёрточные нейронные сети (СНС) и глубокое обучение, множество объектов могут обнаруживаться на большом количестве изображений и видео. Методы, основанные на СНС и глубоком обучении, известны как эволюционные методы. Ключевая способность эволюционных методов заключается в том, что они могут быть использованы для обнаружения объектов в реальном времени и работать с большими наборами данных, содержащими миллионы изображений [2].
Целью бакалаврской работы является реализация алгоритма идентификации объектов на изображении для уточнения информации о возгораниях. На протяжении работы необходимо будет реализовать модель свёрточной нейронной сети способную распознавать и локализовывать объекты на изображениях, на которых запечатлены возгорания и пожары различного характера, а именно следующие объекты: люди, машины, автобусы и мотоциклы. Данные объекты обнаруживаются с целью уточнения информации о произошедшем возгорании для составления полной картины произошедшей чрезвычайной ситуации.
Для достижения поставленной цели необходимо выполнить следующие задачи:
• проанализировать применение свёрточных нейронных сетей для распознавания и локализации объектов на изображениях;
• разобрать базовую архитектуру свёрточных нейронных сетей;
• подобрать наиболее подходящую по точности и производительности модель свёрточной нейронной сети;
• реализовать выбранную модель;
• провести оценку реализованной модели;
• провести тестирование модели на различных изображениях.
Объектом исследования бакалаврской работы является процесс обнаружения объектов на изображении свёрточной нейронной сетью, предметом исследования - алгоритм идентификации объектов на изображении для уточнения информации о возгораниях.
Бакалаврская работа состоит из введения, трёх разделов, заключения и списка источников.
В первом разделе рассматриваются основы методов машинного обучения, производится анализ технологии искусственных нейронных сетей, после чего рассматриваются математические методы, структур и особенности свёрточных нейронных сетей. Во втором разделе описывается архитектура выбранной модели свёрточной нейронной сети. Разбираются её преимущества для решения поставленных задач. Рассматриваются применяемые методы, обеспечивающие точность и производительность. В третьем разделе объясняется выбор языка программирования и фреймворка для реализации модели. Описываются основные аспекты реализации и обучения модели. Проводится оценка точности работы модели и её тестирование.
Реализованная нейронная сеть может быть использована в системах беспилотного патрулирования местности с помощью летательных дронов для выявления чрезвычайных ситуаций. Получая изображения, на которых было распознано возгорание, сеть будет обнаруживать перечисленные ранее объекты, что позволит получить полную информацию о возгорании, которая поможет принять решение о необходимых средствах для скорейшей ликвидации чрезвычайного происшествия.
Купить