📄Работа №207311
Тема: Разработка веб-сервиса для геолокации фотографий достопримечательностей с помощью нейронных сетей
Тип работы
Дипломные работы, ВКР
Предмет
Программирование
Объем:
48 листов
Год:
2020
Просмотров:
34
4480
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. Распознавание достопримечательностей 8
1.2. Анализ аналогичных проектов и существующих решений для
реализации проекта 9
1.3. Обзор готовых решений для создания нейронных сетей 11
2. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 13
2.1. Особенности применения нейронных сетей к задаче обработки
изображений 13
2.2. Основные компоненты сверточных нейронных сетей 13
3. ПРОЕКТИРОВАНИЕ 16
3.1. Определение требований 16
3.2. Архитектура нейронной сети для классификации
достопримечательностей 17
3.3. Архитектура нейронной сети для классификации направления
съемки 18
3.4. Варианты использования 19
3.5. Проектирование графического интерфейса пользователя 20
4. РЕАЛИЗАЦИЯ 22
4.1. Нейронная сеть для классификации достопримечательностей .. 22
4.1.1. Формирование обучающей, проверочной и тестовой выборок 22
4.1.2. Скачивание изображений 23
4.2. Нейронная сеть для определения направления съемки 25
4.2.1. Формирование обучающей и тестовой выборок 25
4.3. Реализация нейронных сетей 28
4.4. Разработка веб-приложения 28
5. ТЕСТИРОВАНИЕ 32
5.1. Тестирование нейронной сети для классификации
достопримечательностей 32
5.2. Тестирование нейронной сети для классификации направления
съемки 32
5.3. Функциональное тестирование 34
ЗАКЛЮЧЕНИЕ 36
ЛИТЕРАТУРА 37
ПРИЛОЖЕНИЯ 39
ПРИЛОЖЕНИЕ А - Спецификация вариантов использования 39
ПРИЛОЖЕНИЕ Б - Реализация и обучение нейронной сети для классификации достопримечательностей 41
ПРИЛОЖЕНИЕ В - Реализация и обучение нейронной сети для классификации направления съемки 44
ПРИЛОЖЕНИЕ Г - Тестирование веб-сервиса на реальных примерах 47
1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 8
1.1. Распознавание достопримечательностей 8
1.2. Анализ аналогичных проектов и существующих решений для
реализации проекта 9
1.3. Обзор готовых решений для создания нейронных сетей 11
2. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 13
2.1. Особенности применения нейронных сетей к задаче обработки
изображений 13
2.2. Основные компоненты сверточных нейронных сетей 13
3. ПРОЕКТИРОВАНИЕ 16
3.1. Определение требований 16
3.2. Архитектура нейронной сети для классификации
достопримечательностей 17
3.3. Архитектура нейронной сети для классификации направления
съемки 18
3.4. Варианты использования 19
3.5. Проектирование графического интерфейса пользователя 20
4. РЕАЛИЗАЦИЯ 22
4.1. Нейронная сеть для классификации достопримечательностей .. 22
4.1.1. Формирование обучающей, проверочной и тестовой выборок 22
4.1.2. Скачивание изображений 23
4.2. Нейронная сеть для определения направления съемки 25
4.2.1. Формирование обучающей и тестовой выборок 25
4.3. Реализация нейронных сетей 28
4.4. Разработка веб-приложения 28
5. ТЕСТИРОВАНИЕ 32
5.1. Тестирование нейронной сети для классификации
достопримечательностей 32
5.2. Тестирование нейронной сети для классификации направления
съемки 32
5.3. Функциональное тестирование 34
ЗАКЛЮЧЕНИЕ 36
ЛИТЕРАТУРА 37
ПРИЛОЖЕНИЯ 39
ПРИЛОЖЕНИЕ А - Спецификация вариантов использования 39
ПРИЛОЖЕНИЕ Б - Реализация и обучение нейронной сети для классификации достопримечательностей 41
ПРИЛОЖЕНИЕ В - Реализация и обучение нейронной сети для классификации направления съемки 44
ПРИЛОЖЕНИЕ Г - Тестирование веб-сервиса на реальных примерах 47
📖 Введение
Геотегинг фотографий - это процесс присоединения к изображению географических метаданных, которые содержат информацию о месте, где оно было сделано.
В настоящее время геотегинг довольно популярен среди пользователей социальных сетей и туристических приложений, так как предоставляет широкий спектр информации об их местоположении, позволяет делиться ей с другими, а также дает возможность узнать больше о достопримечательностях и заведениях, находящихся поблизости. Помимо этого, он широко применяется в сферах бизнеса и рекламы. Геотегинг позволяет предпринимателям и компаниям найти покупателей в конкретной области, выяснить какую аудиторию привлекает местоположение и чем аудитория любит заниматься в том или ином месте.
АКТУАЛЬНОСТЬ ПРОБЛЕМЫ
На данный момент существует несколько способов решения задачи определения геолокации изображения: извлечение необходимой информации из EXIF-данных фотографий и использование технологии компьютерного зрения. Первый способ подразумевает наличие GPS-датчика в устройстве, с помощью которого делают фотографию, но так как он присутствует не во всех устройствах, данный подход не является универсальным.
Решая данную задачу вторым способом, можно столкнуться с несколькими проблемами. Во-первых, слишком большой объем исходных данных и схожесть объектов между собой. Во-вторых, внутриклассовая изменчивость, - появление новых объектов, исчезновение или изменение старых. В-третьих, несбалансированность классов. В то время как количество изображений популярных достопримечательностей растет с каждым днем, некоторые малоизвестные места были запечатлены всего несколько раз.
ЦЕЛЬ РАБОТЫ И ЗАДАЧИ ИССЛЕДОВАНИЯ
Целью данного проекта является разработка веб-сервиса для геолокации фотографий достопримечательностей с помощью нейросетевого подхода, который также включает функцию определения направления съемки.
Для достижения поставленной цели необходимо решить следующие задачи:
1) провести обзор существующих аналогов и научной литературы;
2) подготовить обучающую, проверочную и тестовую выборки достопримечательностей;
3) разработать архитектуру нейронной сети, занимающейся классификацией достопримечательностей;
4) подготовить наборы данных, состоящих из обучающей и тестовой выборки, для пятнадцати достопримечательностей;
5) разработать архитектуру нейронной сети, позволяющей определить направление съемки;
6) обучить и протестировать спроектированные нейронные сети;
7) разработать и протестировать приложение для определения геолокации фотографии с использованием поиска достопримечательностей.
СТРУКТУРА И ОБЪЕМ РАБОТЫ
Работа состоит из введения, пяти разделов, заключения, библиографического списка и трех приложений. Объем работы составляет 49 страниц, объем библиографии - 16 источников, объем приложения - 11 страниц.
В первой главе производится анализ предметной области и обзор аналогичных проектов и существующих решений для реализации проекта, а также обзор существующих решений для создания нейронных сетей.
Во второй главе описаны особенности применения нейронных сетей к задаче обработки изображений и перечислены основные компоненты сверточных нейронных сетей.
В третьей главе определены функциональные и нефункциональные требования к программной системе и представлены варианты использования системы, спроектированы архитектуры сверточных нейронных сетей и графический интерфейс приложения.
Четвертая глава содержит детали реализации веб-сервиса для геолокации фотографий достопримечательностей с помощью нейронных сетей.
В пятой главе приведены результаты тестирования разработанный сверточных нейронных сетей и функционального тестирования разработанного веб-сервиса.
В настоящее время геотегинг довольно популярен среди пользователей социальных сетей и туристических приложений, так как предоставляет широкий спектр информации об их местоположении, позволяет делиться ей с другими, а также дает возможность узнать больше о достопримечательностях и заведениях, находящихся поблизости. Помимо этого, он широко применяется в сферах бизнеса и рекламы. Геотегинг позволяет предпринимателям и компаниям найти покупателей в конкретной области, выяснить какую аудиторию привлекает местоположение и чем аудитория любит заниматься в том или ином месте.
АКТУАЛЬНОСТЬ ПРОБЛЕМЫ
На данный момент существует несколько способов решения задачи определения геолокации изображения: извлечение необходимой информации из EXIF-данных фотографий и использование технологии компьютерного зрения. Первый способ подразумевает наличие GPS-датчика в устройстве, с помощью которого делают фотографию, но так как он присутствует не во всех устройствах, данный подход не является универсальным.
Решая данную задачу вторым способом, можно столкнуться с несколькими проблемами. Во-первых, слишком большой объем исходных данных и схожесть объектов между собой. Во-вторых, внутриклассовая изменчивость, - появление новых объектов, исчезновение или изменение старых. В-третьих, несбалансированность классов. В то время как количество изображений популярных достопримечательностей растет с каждым днем, некоторые малоизвестные места были запечатлены всего несколько раз.
ЦЕЛЬ РАБОТЫ И ЗАДАЧИ ИССЛЕДОВАНИЯ
Целью данного проекта является разработка веб-сервиса для геолокации фотографий достопримечательностей с помощью нейросетевого подхода, который также включает функцию определения направления съемки.
Для достижения поставленной цели необходимо решить следующие задачи:
1) провести обзор существующих аналогов и научной литературы;
2) подготовить обучающую, проверочную и тестовую выборки достопримечательностей;
3) разработать архитектуру нейронной сети, занимающейся классификацией достопримечательностей;
4) подготовить наборы данных, состоящих из обучающей и тестовой выборки, для пятнадцати достопримечательностей;
5) разработать архитектуру нейронной сети, позволяющей определить направление съемки;
6) обучить и протестировать спроектированные нейронные сети;
7) разработать и протестировать приложение для определения геолокации фотографии с использованием поиска достопримечательностей.
СТРУКТУРА И ОБЪЕМ РАБОТЫ
Работа состоит из введения, пяти разделов, заключения, библиографического списка и трех приложений. Объем работы составляет 49 страниц, объем библиографии - 16 источников, объем приложения - 11 страниц.
В первой главе производится анализ предметной области и обзор аналогичных проектов и существующих решений для реализации проекта, а также обзор существующих решений для создания нейронных сетей.
Во второй главе описаны особенности применения нейронных сетей к задаче обработки изображений и перечислены основные компоненты сверточных нейронных сетей.
В третьей главе определены функциональные и нефункциональные требования к программной системе и представлены варианты использования системы, спроектированы архитектуры сверточных нейронных сетей и графический интерфейс приложения.
Четвертая глава содержит детали реализации веб-сервиса для геолокации фотографий достопримечательностей с помощью нейронных сетей.
В пятой главе приведены результаты тестирования разработанный сверточных нейронных сетей и функционального тестирования разработанного веб-сервиса.
✅ Заключение
В рамках выпускной квалификационной работы был разработан вебсервис для геолокации фотографий достопримечательностей с помощью нейронных сетей. В ходе работы над данным проектом были решены следующие задачи:
1) проведен обзор существующих аналогов и научной литературы;
2) были подготовлены обучающая, проверочная и тестовая выборки достопримечательностей;
3) была разработана архитектура нейронной сети, занимающейся классификацией достопримечательностей;
4) были подготовлены наборы данных, состоящие из обучающей и тестовой выборок, для пятнадцати достопримечательностей;
5) была разработана архитектура нейронной сети, позволяющая определить направление съемки;
6) спроектированные нейронные сети были обучены и протестированы;
7) было разработано и протестировано приложение для определения геолокации фотографии с использованием поиска достопримечательностей.
1) проведен обзор существующих аналогов и научной литературы;
2) были подготовлены обучающая, проверочная и тестовая выборки достопримечательностей;
3) была разработана архитектура нейронной сети, занимающейся классификацией достопримечательностей;
4) были подготовлены наборы данных, состоящие из обучающей и тестовой выборок, для пятнадцати достопримечательностей;
5) была разработана архитектура нейронной сети, позволяющая определить направление съемки;
6) спроектированные нейронные сети были обучены и протестированы;
7) было разработано и протестировано приложение для определения геолокации фотографии с использованием поиска достопримечательностей.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.