📄Работа №207207
Тема: Разработка приложения для распознавания дорожных знаков на видео с применением нейросетевых технологий
Тип работы
Дипломные работы, ВКР
Предмет
Программирование
Объем:
38 листов
Год:
2020
Просмотров:
35
4380
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 5
1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 8
1.1. Обзор существующих аналогов 8
1.2. Существующие решения для работы с нейронными сетями .... 9
2. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 11
2.1. Сверточные нейронные сети и их устройство 11
2.2. Различные модели распознавания объектов 13
3. ПРОЕКТИРОВАНИЕ 19
3.1. Функциональные и нефункциональные требования к системе 19
3.2. Топология нейронной сети 20
3.3. Варианты взаимодействия с системой 21
3.4. Диаграмма деятельности приложения 22
3.5 Проектирование интерфейса приложения 23
4. РЕАЛИЗАЦИЯ 25
4.1. Инструменты разработки 25
4.2. Предобработка входных данных 27
4.3. Обучение нейронной сети 28
4.4. Обработка входного видеопотока и реализация
пользовательского интерфейса 30
5. ТЕСТИРОВАНИЕ 34
5.1. Тестирование нейронной сети 34
5.2. Функциональное тестирование 35
ЗАКЛЮЧЕНИЕ 37
ЛИТЕРАТУРА 38
1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 8
1.1. Обзор существующих аналогов 8
1.2. Существующие решения для работы с нейронными сетями .... 9
2. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 11
2.1. Сверточные нейронные сети и их устройство 11
2.2. Различные модели распознавания объектов 13
3. ПРОЕКТИРОВАНИЕ 19
3.1. Функциональные и нефункциональные требования к системе 19
3.2. Топология нейронной сети 20
3.3. Варианты взаимодействия с системой 21
3.4. Диаграмма деятельности приложения 22
3.5 Проектирование интерфейса приложения 23
4. РЕАЛИЗАЦИЯ 25
4.1. Инструменты разработки 25
4.2. Предобработка входных данных 27
4.3. Обучение нейронной сети 28
4.4. Обработка входного видеопотока и реализация
пользовательского интерфейса 30
5. ТЕСТИРОВАНИЕ 34
5.1. Тестирование нейронной сети 34
5.2. Функциональное тестирование 35
ЗАКЛЮЧЕНИЕ 37
ЛИТЕРАТУРА 38
📖 Введение
ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ
Искусственная нейронная сеть - математическая модель, построенная по принципу организации и функционирования биологических нейронных сетей нервных клеток живого организма. [1]
Машинное обучение - разновидность методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решению множества сходных задач. [2]
Глубокое обучение - алгоритмы машинного обучения, моделирующие высокоуровневые абстракции в наборах данных, с использованием архитектуры, состоящей из большого числа нелинейных преобразований. [3]
Обучающая выборка - набор данных, на которых происходит обучение нейронной сети.
Контрольная выборка - выборка, на которой проверяется эффективность обученной нейронной сети.
Распознавание образов - раздел информатики, связанный с идентификацией предметов, процессов, объектов с некоторым набором свойств и признаков. [4]
АКТУАЛЬНОСТЬ ТЕМЫ
Автомобильная промышленность уже давно представляет собой одну из главенствующих сфер жизни человека. С увеличением темпов роста данной отрасли, неизменно возрастают случаи автомобильных катастроф. Огромную роль в этом играет человеческий фактор - утомление, отвлекающие факторы, или же погодные условия, серьезно влияющие на качество восприятия факторов риска на дороге. В группе риска находятся водители дальних направлений (междугородние автобусы, дальнобойщики и т.д.). Поэтому важно, чтобы водитель всегда был в курсе происходящего на дороге. Бескомпромиссным решением здесь является 5
полный автопилот. Ежегодно крупнейшие автопроизводители выпускают новые версии транспорта, который все меньше привязан к ручному управлению. Однако ввиду того, что данная технология еще недостаточно созрела для реальной жизни, есть необходимость искать иные средства помощи человеку. Хорошим подспорьем может являться детектор дорожных знаков. Внимание и концентрация водителя являются исчерпаемыми ресурсами, потому существует необходимость в подобных средствах подстраховки.
ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ
Главной задачей работы является разработка системы распознавания дорожных знаков на основании видео. Система принимает на вход видеопоток, разбивая его на кадры и анализируя каждый из них. Таким образом определяются дорожные знаки, которые требуют дополнительного внимания водителя. В случае обнаружения знака, на который настроена система, водитель будет уведомлен об этом. Для реализации поставленной цели потребуется выполнить следующие подзадачи:
1) проанализировать предметную область и рассмотреть аналогичные системы;
2) спроектировать топологию нейронной сети;
3) выполнить сбор и подготовку данных для обучения;
4) скомпоновать и обучить нейронную сеть;
5) реализовать и протестировать приложение для распознавания дорожных знаков на видео.
СТРУКТУРА И ОБЪЕМ РАБОТЫ
Работа включает в себя введение, пять глав, заключение и список литературы. Объем составляет 39 страниц, список литературы насчитывает 23 источник.
СОДЕРЖАНИЕ РАБОТЫ
Первая глава содержит анализ предметной области, обзор аналогичных проектов, решающих поставленную задачу.
Вторая глава содержит описание принципа работы используемой модели и сверточных нейронных сетей.
Третья глава включает в себя функциональные и нефункциональные требования к системе, диаграммы использования и деятельности, и топология нейронной сети.
Четвертая глава содержит технические детали реализации приложения, также приведено описание процесса обучения модели.
Пятая глава отображает итоги проведенного тестирования нейронной сети и функционального тестирования системы.
В заключении представлены итоги проделанной работы.
Искусственная нейронная сеть - математическая модель, построенная по принципу организации и функционирования биологических нейронных сетей нервных клеток живого организма. [1]
Машинное обучение - разновидность методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решению множества сходных задач. [2]
Глубокое обучение - алгоритмы машинного обучения, моделирующие высокоуровневые абстракции в наборах данных, с использованием архитектуры, состоящей из большого числа нелинейных преобразований. [3]
Обучающая выборка - набор данных, на которых происходит обучение нейронной сети.
Контрольная выборка - выборка, на которой проверяется эффективность обученной нейронной сети.
Распознавание образов - раздел информатики, связанный с идентификацией предметов, процессов, объектов с некоторым набором свойств и признаков. [4]
АКТУАЛЬНОСТЬ ТЕМЫ
Автомобильная промышленность уже давно представляет собой одну из главенствующих сфер жизни человека. С увеличением темпов роста данной отрасли, неизменно возрастают случаи автомобильных катастроф. Огромную роль в этом играет человеческий фактор - утомление, отвлекающие факторы, или же погодные условия, серьезно влияющие на качество восприятия факторов риска на дороге. В группе риска находятся водители дальних направлений (междугородние автобусы, дальнобойщики и т.д.). Поэтому важно, чтобы водитель всегда был в курсе происходящего на дороге. Бескомпромиссным решением здесь является 5
полный автопилот. Ежегодно крупнейшие автопроизводители выпускают новые версии транспорта, который все меньше привязан к ручному управлению. Однако ввиду того, что данная технология еще недостаточно созрела для реальной жизни, есть необходимость искать иные средства помощи человеку. Хорошим подспорьем может являться детектор дорожных знаков. Внимание и концентрация водителя являются исчерпаемыми ресурсами, потому существует необходимость в подобных средствах подстраховки.
ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ
Главной задачей работы является разработка системы распознавания дорожных знаков на основании видео. Система принимает на вход видеопоток, разбивая его на кадры и анализируя каждый из них. Таким образом определяются дорожные знаки, которые требуют дополнительного внимания водителя. В случае обнаружения знака, на который настроена система, водитель будет уведомлен об этом. Для реализации поставленной цели потребуется выполнить следующие подзадачи:
1) проанализировать предметную область и рассмотреть аналогичные системы;
2) спроектировать топологию нейронной сети;
3) выполнить сбор и подготовку данных для обучения;
4) скомпоновать и обучить нейронную сеть;
5) реализовать и протестировать приложение для распознавания дорожных знаков на видео.
СТРУКТУРА И ОБЪЕМ РАБОТЫ
Работа включает в себя введение, пять глав, заключение и список литературы. Объем составляет 39 страниц, список литературы насчитывает 23 источник.
СОДЕРЖАНИЕ РАБОТЫ
Первая глава содержит анализ предметной области, обзор аналогичных проектов, решающих поставленную задачу.
Вторая глава содержит описание принципа работы используемой модели и сверточных нейронных сетей.
Третья глава включает в себя функциональные и нефункциональные требования к системе, диаграммы использования и деятельности, и топология нейронной сети.
Четвертая глава содержит технические детали реализации приложения, также приведено описание процесса обучения модели.
Пятая глава отображает итоги проведенного тестирования нейронной сети и функционального тестирования системы.
В заключении представлены итоги проделанной работы.
✅ Заключение
В рамках данной работы была спроектировано и реализовано приложение для распознания дорожных знаков с применением нейросетевых технологий, а также было проведено тестирование системы и сверточной нейронной сети.
В ходе работы были решены следующие задачи:
1) провести обзор аналогов и анализ предметной области;
2) собрать и выполнить предварительную подготовку данных для обучения и тестирования модели;
3) скомпоновать и обучить нейронную сеть;
4) протестировать нейронную сеть;
5) разработать и протестировать пользовательский интерфейс приложения.
В ходе работы были решены следующие задачи:
1) провести обзор аналогов и анализ предметной области;
2) собрать и выполнить предварительную подготовку данных для обучения и тестирования модели;
3) скомпоновать и обучить нейронную сеть;
4) протестировать нейронную сеть;
5) разработать и протестировать пользовательский интерфейс приложения.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.