Пошук академічних текстів

Інформація × Реєстраційний номер 2123U003948, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Виявлення та відстежування об’єктів методами машинного навчання Автор Сухомлин Гліб Ігорович Дата публікації 01-01-2023 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/61407 Видання Київ Опис Дипломна робота: 158 с., 83 рис., 6 табл., 2 додатки, 42 джерела. НЕЙРОННІ МЕРЕЖІ, ВИЯВЛЕННЯ ТА ВІДСТЕЖУВАННЯ ОБ’ЄКТІВ, ЗГОРТКОВІ НЕЙРОННІ МЕРЕЖІ, ПРОГРАМА ДЛЯ ВІДСТЕЖУВАННЯ. Об’єкт дослідження – виявлення та відстежування об’єктів з використанням периферійних пристроїв (різного роду відео-камер). Часто коли люди працюють з відео-матеріалами, вони стикаються з проблемою виявлення та класифікації об’єктів, які знаходяться на поточному кадрі. Це є необхідним у багатьох сферах людської діяльності. Наприклад, для створення автономної системи керування автомобілем, оскільки перш ніж штучний інтелект буде приймати рішення щодо керування авто має бути чітке розуміння з якими об’єктами він стикається у поточний момент часу. Однак може виникнути задача відстеження цілої історії об’єкта або об’єктів на відповідному відео матеріалі, точніше кажучи – траєкторії руху цілей, які були присутні на відео. Таким чином задача відстежування об’єктів є логічним продовженням попередньої задачі. Мета роботи – розробити програму з використанням існуючих моделей для виявлення та відстежування об’єктів, причому зробити це з оптимальним використанням ресурсів. Бажано щоб розроблена програма виконувала поставлену задачу в реальному часі, а також щоб модель була не занадто складною з точки зору часу опрацювання зображень аби можна було не витрачати додаткові ресурси на облаштування серверів, тобто щоб по суті уся робота виконувалася лише периферійними пристроями. Програмний продукт розроблено на мові програмування Python. Було реалізовано модель yolo в комбінації з алгоритмом DeepSort. Практичним результатом роботи є система виявлення і відстеження об'єктів. Додано в НРАТ 2025-01-29 Закрити