| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Ģeogrāfisko vides iezīmju atpazīšanas metožu salīdzinājums |
| Nosaukums angļu valodā |
The Comparison of Geographical Feature Recognition Methods |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Ilze Andersone |
| Recenzents |
Sintija Petroviča-Kļaviņa |
| Anotācija |
Bakalaura darba tips - 1. tips: Moderno risinājumu izpēte.
Bakalaura darba ietvaros tiek pētītas dažādas ģeogrāfisko vides iezīmju
atpazīšanas metodes, to darbības principi un efektivitāte. Analītiskajā daļā ir salīdzināti
vairāki objektu atpazīšanas algoritmi, bet realizēti un kvantitatīvi salīdzināti ir: YOLO,
Mask R-CNN un Faster R-CNN. Katrs algoritms tiek apmācīts un testēts uz vienas un
tās pašas datu kopas, kas ietver gan dabiskās iezīmes, gan cilvēka radītas pasaulē
populāras vietas un ēkas. Tiek veikta šo modeļu veiktspējas, precizitātes, resursu
patēriņa un apmācības laika padziļināta salīdzināšana.
Bakalaura darbs sastāv no ievada, piecām nodaļām, rezultātiem un
secinājumiem. Ievadā tiek aprakstīta tēmas aktualitāte, bakalaura darba mērķi un
veicamie uzdevumi. Pirmajā nodaļā aprakstītas mūsdienīgas ģeogrāfisko vides iezīmju
atpazīšanas metodes un algoritmi. Otrajā nodaļā tiek dziļāk apskatīti vides iezīmju
atpazīšanas algoritmi, no apskatītājiem izvēlēti trīs un pamatoti kāpēc tie tika izvēlēti.
Trešajā nodaļā tiek paskaidrots par izvēlēto datu kopu, aprakstīta vide un procedūra.
Ceturtajā nodaļā tiek veikta modeļu pielāgošana, apmācība, validēšana un testēšana uz
izvēlēto datu kopu. Piektajā nodaļā ir sniegts modeļu rezultātu apkopojums. Rezultātos
un secinājumos tiek aprakstīts par darba ietvaros iegūtajiem rezultātiem.
Darbs sastāv no 62 lpp. teksta, 5 tabulām, 24 attēliem un 56 literatūras avotiem. |
| Atslēgas vārdi |
ģeogrāfisko vides iezīmju atpazīšana, YOLO, Mask R-CNN, Faster R-CNN |
| Atslēgas vārdi angļu valodā |
Geographic Environmental Feature Recognition, YOLO, Mask RCNN, Faster R-CNN |
| Valoda |
lv |
| Gads |
2024 |
| Darba augšupielādes datums un laiks |
03.09.2024 13:12:28 |
