Система розпізнавання фрагментів дерев з використанням згорткових нейронних мереж
Тип публікації :
Бакалаврська робота
Дата випуску :
2023
Автор(и) :
Воробченко Ю. С.
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Воробченко, Ю. С. (2023). Система розпізнавання фрагментів дерев з використанням згорткових нейронних мереж [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/5428
[ДСТУ] Воробченко Ю. С. Система розпізнавання фрагментів дерев з використанням згорткових нейронних мереж : кваліфікаційна робота бакалавра : 12 Інформаційні технології. Київ, 2023. 48 с. URL: https://ir.library.knu.ua/handle/123456789/5428 (дата звернення: 25.07.2026).
Метою роботи є створення системи для розпізнавання об’єктів та аналіз методів розпізнавання на прикладі задачі розпізнавання фрагментів дерев.
Об’єкт дослідження – набір візуальних даних з об’єктами, що належать до двох класів.
Предмет дослідження – точність, перспективи та методи розпізнавання квітів та бутонів дерев.
У ході виконання роботи було досліджено ефективність різних архітектур для розпізнавання об’єктів, виявлено найбільш перспективні, зроблено застосунок для використання натренованих моделей для розпізнавання.
Майже всі моделі показують досить високу точність (>70%) для виконання практичних задач в аграрній промисловості та для збору інформації.
Найкращі результати показала модель YOLO v5, яка в той же час потребувала найбільше часу на навчання.
Ключові слова : розпізнавання, класифікація, нейронна мережа, глибинне навчання, згорткова мережа, дані.
Об’єкт дослідження – набір візуальних даних з об’єктами, що належать до двох класів.
Предмет дослідження – точність, перспективи та методи розпізнавання квітів та бутонів дерев.
У ході виконання роботи було досліджено ефективність різних архітектур для розпізнавання об’єктів, виявлено найбільш перспективні, зроблено застосунок для використання натренованих моделей для розпізнавання.
Майже всі моделі показують досить високу точність (>70%) для виконання практичних задач в аграрній промисловості та для збору інформації.
Найкращі результати показала модель YOLO v5, яка в той же час потребувала найбільше часу на навчання.
Ключові слова : розпізнавання, класифікація, нейронна мережа, глибинне навчання, згорткова мережа, дані.
The purpose of the course work is to create a system for object recognition and analyze recognition methods on the example of the task of recognizing tree fragments.
The object of research is a set of visual data with objects belonging to two classes.
The subject of the study is the accuracy, perspectives, and methods of recognizing flowers and tree buds.
Research methods - this work uses empirical research methods (experiments are conducted and the results are compared) and machine learning methods for image recognition.
A program in the Python programming language has been developed to perform experimental studies. The results of the experimental studies were processed and analyzed.
The main results of the work: various efficiencies of different architectures for object recognition were investigated, the most promising ones were identified, and an application for using trained models for recognition was made.
Keywords : recognition, classification, neural network, deep learning, convolutional network, data.
The object of research is a set of visual data with objects belonging to two classes.
The subject of the study is the accuracy, perspectives, and methods of recognizing flowers and tree buds.
Research methods - this work uses empirical research methods (experiments are conducted and the results are compared) and machine learning methods for image recognition.
A program in the Python programming language has been developed to perform experimental studies. The results of the experimental studies were processed and analyzed.
The main results of the work: various efficiencies of different architectures for object recognition were investigated, the most promising ones were identified, and an application for using trained models for recognition was made.
Keywords : recognition, classification, neural network, deep learning, convolutional network, data.
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
2.52 MB
Контрольна сума :
(MD5):58250de6c5aa9334c1a4664278bcbd71
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International