Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids maģistra akadēmiskās studijas
Studiju programmas nosaukums Automātika un datortehnika
Nosaukums Cilvēku seju atpazīšana izmantojot konvolucionālus neironu tīklus
Nosaukums angļu valodā Human Face Recognition Using Convolutional Neuron Networks
Struktūrvienība 12600 Viedo datortehnoloģiju institūts
Darba vadītājs Aleksandrs Sisojevs
Recenzents D. Bļizņuks
Anotācija Šis darbs ir veltīts, lai iepazītos ar konvolucionālu neironu tīklu pielietošanu datorredzes uzdevumos. Kā pirmais darba mērķis ir izpētīt kas ir konvolucionāli neironu tīkli, tas tiek darīts no pašiem pamatiem – vispirms tiek apskatīta mašīnapmācības nozare, tālāk tiek definēts perceptrons un pakāpeniski tiek būvētas zināšanas par visu nepieciešamo, lai veiksmīgi izveidotu mūsdienās populārākās konvolucionālo tīklu arhitektūras. Darbā tiek apskatīti visdažādākie neironu tīklu elementi un metodes, kas lietojamas dziļās apmācības problēmās, kā arī labās prakses paņēmieni, lai uzlabotu rezultātus šādām sistēmām. Kā piemērs no dažām šādām tēmām ir datu priekšapstrāde, kas palīdz neironu tīkliem ne tikai strādāt ar nepieciešamajiem dati, bet arī sasniegt optimālo rezultātu ātrāk. Pie citiem piemēriem var minēt dažādas regularizācijas metodes, kas palīdz izvairīties no pārmērīgas apmācības, dažādu optimizācijas metožu izvēle kā Adam, RMSprop u.tml. Noslēgumā, izmantojot izpētes stadijā iegūtās zināšanas, tiek izveidota sistēma, kas spēj detektēt un atpazīt cilvēku sejas, izmantojot video plūsmu no datora tīmekļa kameras, kas ir spējīga apstrādāt vidēji 10 kadrus sekundē uz CPU ar precizitāti 84.14% pēc veiktajiem testiem, tiek veikti secinājumi un doti ierosinājumu sistēmas tālākai uzlabošanai.
Atslēgas vārdi MAŠĪNAPMĀCĪBA, DZIĻĀ APMĀCĪBA, KONVOLUCIONĀLI NEIRONU TĪKLI, OBJEKTU DETEKĒŠANA, OBJEKTU ATPAZĪŠANA, CILVĒKU SEJU ATPAZĪŠANA
Atslēgas vārdi angļu valodā MACHINE LEARNING, DEEP LEARNING, CONVOLUTIONAL NEURON NETWORKS, OBJECT DETECTION, OBJECT RECOGNITION, FACE RECOGNITION
Valoda lv
Gads 2018
Darba augšupielādes datums un laiks 07.06.2018 18:55:59