Порівняння ефективності підходів машинного навчання для задачі розпізнавання облич
Тип публікації :
Бакалаврська робота
Дата випуску :
2023
Автор(и) :
Садовський Дмитро Євгенович
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Садовський, Д. Є. (2023). Порівняння ефективності підходів машинного навчання для задачі розпізнавання облич. [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/5730
[ДСТУ] Садовський Д. Є. Порівняння ефективності підходів машинного навчання для задачі розпізнавання облич : кваліфікаційна робота бакалавра : 11 Математика та статистика. Київ, 2023. 38 с. URL: https://ir.library.knu.ua/handle/123456789/5730 (дата звернення: 17.07.2026).
Метою даної роботи є порівняння ефективності методів машинного навчання з бібліотек cv2 та PyTorch для задачі розпізнавання облич з використанням потокового відео з камери.
Дослідження зосереджено на аналізі результатів та порівнянні особливостей та переваг кожного методу.
Об'єктом дослідження є методи Haar cascade classifier і LBPH для роботи у бібліотеці OpenCV, та MTCNN і FaceNet для бібліотеки PyTorch, для розпізнавання облич у реальному часі з використанням потокового відео з камери.
Об'єктом розгляду є порівняння їх ефективності та аналіз отриманих результатів.
Методи та засоби розробки: Google Colaboratory, средовище програмування Spyder, средовище програмування Jupyter Notebook, мова програмування Python. Бібілотеки: numpy, PyTorch, OpenCV, time, facenet_pytorch, PIL, sys, os, ctypes-callable та pandas.
У даному дослідженні були проведені експерименти з використанням методів cv2 і PyTorch для розпізнавання облич. В ході експериментів варіювалися розмір тренувального набору даних та положення обличчя підчас тестування і запису тренувального набору.
Ключові слова : машинне навчання, розпізнавання облич, Google Colaboratory, средовище програмування Spyder, средовище програмування Jupyter Notebook, мова програмування Python.
Дослідження зосереджено на аналізі результатів та порівнянні особливостей та переваг кожного методу.
Об'єктом дослідження є методи Haar cascade classifier і LBPH для роботи у бібліотеці OpenCV, та MTCNN і FaceNet для бібліотеки PyTorch, для розпізнавання облич у реальному часі з використанням потокового відео з камери.
Об'єктом розгляду є порівняння їх ефективності та аналіз отриманих результатів.
Методи та засоби розробки: Google Colaboratory, средовище програмування Spyder, средовище програмування Jupyter Notebook, мова програмування Python. Бібілотеки: numpy, PyTorch, OpenCV, time, facenet_pytorch, PIL, sys, os, ctypes-callable та pandas.
У даному дослідженні були проведені експерименти з використанням методів cv2 і PyTorch для розпізнавання облич. В ході експериментів варіювалися розмір тренувального набору даних та положення обличчя підчас тестування і запису тренувального набору.
Ключові слова : машинне навчання, розпізнавання облич, Google Colaboratory, средовище програмування Spyder, средовище програмування Jupyter Notebook, мова програмування Python.
Галузі знань та спеціальності :
11 Математика та статистика
113 Прикладна математика
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
995.54 KB
Контрольна сума :
(MD5):680686c81bb7deb34ac3025343001175
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International