ВВЕДЕНИЕ 5
1 ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ РАСПОЗНАВАНИЯ ОБРАЗОВ 8
1.1 Ведение в теорию распознавания образов 8
1.2 Методы машинного обучения, распознавания образов и компьютерного
зрения 11
1.3 Архитектура искусственной нейронной сети 15
1.4 Обоснование выбора типа нейронной сети 18
1.5 Обучение нейронных сетей 22
1.6 Современные гибридные архитектуры глубокого обучения 24
1.7 Сравнение библиотек глубоко обучения 25
1.8 Алгоритм эмоциональной системы кодирования лицевых движений для
распознания эмоций человека 26
2 АНАЛИЗ ИНСТРУМЕНТОВ ДЛЯ РАЗРАБОТКИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ 30
2.1 Архитектура библиотеки EmguCV 30
2.2 Архитектура свёрточной нейронной сети 31
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРОГРАММЫ 36
3.1 Разработка нейронной сети программными средствами 36
3.2 Обучение и проверка обученности нейронной сети 37
3.3 Апробация работы реализованной нейронной сети 38
ЗАКЛЮЧЕНИЕ 41
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 43
ПРИЛОЖЕНИЕ А Таблица кодов двигательных единиц и двигательных дескрипторов 45

Купить

В современных система по распознаванию биометрических признаков человека есть ряд не решенных задач. Одна из таких проблем — это их точность распознавания.
Требуется построить нейронную сеть с точностью распознавания более 80%.
Структуру построенной нейронной сети необходимо оптимизировать: для заданного объекта и регулятора найти оптимальное число слоев нейронов в каждом слое и оптимальную функцию активации.
Нейронная сеть должна во время своей работы обеспечивать требуемое качество распознание объектов.
Для распознавания образов по фотографии в данный момент используют системы использующие технологии искусственного интеллекта (англ. Artificial Intelligence) иногда сокращают до ИИ (англ. Сокращение AI). Алгоритмы имитирующие искусственный интеллект способны запоминать и обучатся так же как это делают живые организмы.
Такие алгоритмы используются в разных сферах деятельности, а не только в задачах по распознаванию образов по фотографиям к примеру, в науке алгоритму нашлось место в нахождении новых материалов. Точность таких систем по последним данным достигает 80% в сравнении у ученых точность нахождения новых материалов составляет около 30%. Система обучалась на данных которые предоставили ученые и смогла не только не хуже работать, а почти утроила точность нахождения по сравнению с человеком. Место для ИИ нашлось и в сфере бизнеса так по данным аналитического агентства Gartner внедрение искусственного интеллекта помогло улучшить качество обслуживания клиентов и заработало компаниям внедривших ИИ к себе в сумме на 700 миллиардов долларов США. Не отстают и системы развлечений где алгоритмы искусственного интеллекта подбирают фильмы музыку или компьютерные игры по вкусу определенного пользователя основываясь на его прошлых запросах.
Способность распознание образов по фотографиям получила широкое распространение в таких сферах как медицина ИИ используется для распознания легочных болезней по снимку конечно в данный момент окончательное решение все еще стоит за врачом, но они существенно помогли снизить нагрузку на врачей, в машина строение ИИ встраиваются в системы автопилотирования машин на дорогах общего пользования, в сфере безопасности ИИ помогают идентифицировать человека, пытающегося получить доступ.
Актуальность выбранной тематики заключается в распознавание человека, и попытка определить его эмоционального состояния с целью обеспечение безопасности граждан.
Современные нейронные сети, к сожалению, не способны распознавать образы со 100% точностью. Если и появляются такие сети, то они скорей всего работают с идеальным исходным изображением. Здесь есть ряд подводных камней:
• Объект распознания виден не полностью, он может быть под углом;
• Изображение содержит шумы, которые сбивают сеть.
В рамках данной выпускной бакалаврской работе стояла задача разработки системы по распознаванию образа человека и предложить методы которые могут помочь в решении повышения эффективности работы системы.
Объектом исследования бакалаврской работы является программное обеспечение по распознаванию биометрических признаков человека. Предмет исследования бакалаврской работы является распознавание человека.
Целью данной работы является создание нейронной сети по распознаванию биометрических признаков человека.
Для достижения поставленной цели нужно требуется решить следующие задачи:
1. Рассмотреть существующие алгоритмы по обучении алгоритма по распознаванию образов в сфере компьютерного зрения, провести анализ уже существующих решений на рынке.
2. Подробно расписать метод, который будет решать поставленную задачу.
3. Реализовать выбранный метод на языке программирования высокого уровня.
4. Проанализировать эффективность работы приложения. Предложить пути решения возможных проблем.
5. Сравнить результаты системы по распознанию образов с теми, что уже представлены на рынке.
Система по распознаванию человека по биометрическим признакам может работать для обеспечения безопасности отдельных объектов или для поиска преступников на улице.
Классические алгоритмы построения программ не помогут при создании программ по определению биометрических признаков человека. Так как потребовалось бы хранить огромное количество информации, и оно бы не гарантировало работу приложения. Здесь на помощь приходят нейронные сети и их способность абстрагировать данные и выдавать результат, максимально подходящий нам. Остается лишь проблема с точностью определения.
Данная работа содержит: введение, три основные главы и заключение.
Во введении описывается актуальность выбранной темы, формулируются цель и задачи исследования, указываются объект и предмет исследования. Первая глава посвящена исследованию теоретических вопросов, этапам исторического развития нейронных сетей. Во второй главе дается описание архитектуры необходимого инструментария. В заключении подведены итоги и сделаны выводы исследования
Купить