📄Работа №185721
Тема: СИСТЕМА РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ИСКУСТВЕННОГО ИНТЕЛЛЕКТА
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Математика
Объем:
26 листов
Год:
2019
Просмотров:
52
4650
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
1 Существующие методы контекстного поиска 3
1.1 Методы описания изображений 3
1.2 Сравнение 5
1.2.1 Евклидово расстояние 5
1.2.2 Сходство косинуса 5
1.2.3 Манхэттенское расстояние 6
2 Искусственная Нейронная Сеть 6
2.1 Постановка задачи 8
2.1.2 Признаковое пространство 8
2.2 Сверточная Нейронная Сеть 8
2.2.1 Описание архитектуры 8
2.2.1 Обучение 12
2.3 AlexNet 15
2.4 VGG Net 15
2.5 ZF Net 16
3 Практическая часть 17
3.1 Набор данных 17
3.2 Создание модели 18
3.3 Работа с данными 21
3.4 Результаты эксперимента 21
Заключение 23
Литература 24
Приложение 25
1 Существующие методы контекстного поиска 3
1.1 Методы описания изображений 3
1.2 Сравнение 5
1.2.1 Евклидово расстояние 5
1.2.2 Сходство косинуса 5
1.2.3 Манхэттенское расстояние 6
2 Искусственная Нейронная Сеть 6
2.1 Постановка задачи 8
2.1.2 Признаковое пространство 8
2.2 Сверточная Нейронная Сеть 8
2.2.1 Описание архитектуры 8
2.2.1 Обучение 12
2.3 AlexNet 15
2.4 VGG Net 15
2.5 ZF Net 16
3 Практическая часть 17
3.1 Набор данных 17
3.2 Создание модели 18
3.3 Работа с данными 21
3.4 Результаты эксперимента 21
Заключение 23
Литература 24
Приложение 25
📖 Аннотация
Работа посвящена исследованию методов распознавания изображений на основе искусственного интеллекта, в частности, применению сверточных нейронных сетей. Актуальность темы обусловлена фундаментальной сложностью машинной интерпретации визуальных данных, которые для компьютера представляют собой лишь набор чисел, требующий сложной обработки для выделения значимых объектов и их классификации. В ходе исследования проведен анализ существующих методов описания и сравнения изображений, включая метрики евклидова и манхэттенского расстояния, а также детально рассмотрены архитектуры сверточных нейронных сетей, таких как AlexNet, VGG Net и ZF Net. Практическая часть включает построение и обучение конкретной модели на базе библиотек TensorFlow и Keras, предназначенной для классификации изображений. Численный эксперимент с тестовой выборкой из 20 изображений показал, что разработанная модель совершает одну ошибку на пять правильных классификаций, демонстрируя свою работоспособность. Полученные результаты и реализованная модель могут быть использованы разработчиками в областях компьютерного зрения, например, для создания систем автоматизированного анализа визуального контента или встраивания в более сложные программные комплексы, требующие функции распознавания образов.
📖 Введение
Распознавание изображения является очень популярной задачей для современных ЭВМ. С этими задачами лучше всего справляются сверточные нейронные сети. Нейронные сети - одно из направлений в разработке искусственного интеллекта. Идея заключается в том, что бы смоделировать максимально близко работу системы головного мозга человека - а именно способность обучаться, выявлять и исправлять ошибки, основываясь на предыдущем опыте. Человек может сравнивать изображения и выделять на них объекты визуально, на интуитивном уровне. Однако для машины изображение - набор данных, который требует сложной обработки. Есть определённые методы для сравнения изображения основанные на сопоставлении знаний об изображении в целом. В данной работе рассматривается несколько методов распознавания изображения, представление сверточной нейронной сети «CNN», а также результаты полученные в ходе проделанного эксперимента по классификации изображений.
✅ Заключение
В работе рассмотрены нейронные сети, их классификация и задачи, решаемые на основе искусственных нейронных сетей. Построена модель сверточной нейронной сети применительно к решению задачи классификации изображений. Модель реализована на базе сверточной нейронной сети библиотеки TensorFlow и Keras языка Python. Для апробирования модели проведен численный эксперимент на примере распознавания изображений. Анализ результатов численного эксперимента показывает, что при запуске тестовой выборки из 20 изображений модель совершает 1 ошибку на 5 правильных попаданий в класс.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.