Для студентов МГТУ им. Н.Э.Баумана по предмету ДругиеВыделение объекта из видеопотока с помощью глубинного обученияВыделение объекта из видеопотока с помощью глубинного обучения
2024-06-152024-06-15СтудИзба
Курсовая работа: Выделение объекта из видеопотока с помощью глубинного обучения
Описание
Содержание
2
Введение
На сегодняшний день человечество шагнуло далеко вперед – появ-ляется все больше сфер, где работа человека заменяется искусственным интеллектом.
Причин на то много: монотонность труда, человеческий фактор, неспособность конкурировать по скорости реакции, а в некоторых случаях неприспособленность нашего организма, наших органов чувств для работы в нестандартных ситуациях.
Например, управление автомобилем в условиях недостаточной види-мости (тумана, снегопада, сумерек) может привести к дорожно-транспортным происшествиям, автопилот же может использовать лидары и различные датчики, чтобы ¾видеть сквозь осадки¿, при этом также не может быть ослеплен ярким солнцем. Уже сейчас существуют автомобили, способные управлять автомобилем на шоссе, с хорошей разметкой и видимостью доро-ги. В скором будущем автопилот будет управлять автомобилем безопаснее
и лучше, чем человек. К тому же, автопилот может связываться с облач-ными сервисами и использовать данные для прокладки маршрута, избегая заторов на дорогах, поиска парковочного места и многое другое.
Одной из важнейших задач для реализации автопилота, является анализ изображения, а точнее – онлайн обработка видеопотока с камеры.
На сегодняшний день актуальной задачей в области цифровой об-работки изображений является обнаружение и классификация
| Введение .................................. | 3 | |
| Постановказадачи............................. | 5 | |
| Обзорлитературы............................. | 6 | |
| Термины .................................. | 7 | |
| Глава 1. Оценки производительности и точности . . . . . . . . . . . . | 8 | |
| 1.1. | Точностьиполнота ........................ | 8 |
| 1.2. | Пересечениепообъединению . . . . . . . . . . . . . . . . . . . | 9 |
| 1.3. | Mean Average Precision . . . . . . . . . . . . . . . . . . . . . . . | 10 |
| Глава2.Подходыкрешениюзадачи. . . . . . . . . . . . . . . . . . . | 11 | |
| 2.1. | Алгоритмы на основе предположений регионов . . . . . . . . . | 11 |
| 2.2. | Алгоритмы обрабатывающие изображение целиком . . . . . . | 11 |
| Глава 3. Алгоритмы, основанные на предположении регионов . . . . | 13 | |
| 3.1. | Сверточнаянейроннаясеть . . . . . . . . . . . . . . . . . . . . | 13 |
| 3.2. | R-CNN................................ | 13 |
| 3.3. | Fast R-CNN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 15 |
| 3.4. | Faster R-CNN . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 17 |
| Глава4.YOLO............................... | 19 | |
| 4.1. | Описаниеалгоритма........................ | 19 |
| 4.2. | Описание архитектуры нейросети . . . . . . . . . . . . . . . . | 21 |
| 4.3. | YOLOv2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 21 |
| Глава 5. Модификация YOLO для задачи автопилота . . . . . . . . . | 23 | |
| Заключение................................. | 29 | |
| Приложения ................................ | 30 | |
| Списоклитературы ............................ | 34 | |
2
Введение
На сегодняшний день человечество шагнуло далеко вперед – появ-ляется все больше сфер, где работа человека заменяется искусственным интеллектом.
Причин на то много: монотонность труда, человеческий фактор, неспособность конкурировать по скорости реакции, а в некоторых случаях неприспособленность нашего организма, наших органов чувств для работы в нестандартных ситуациях.
Например, управление автомобилем в условиях недостаточной види-мости (тумана, снегопада, сумерек) может привести к дорожно-транспортным происшествиям, автопилот же может использовать лидары и различные датчики, чтобы ¾видеть сквозь осадки¿, при этом также не может быть ослеплен ярким солнцем. Уже сейчас существуют автомобили, способные управлять автомобилем на шоссе, с хорошей разметкой и видимостью доро-ги. В скором будущем автопилот будет управлять автомобилем безопаснее
и лучше, чем человек. К тому же, автопилот может связываться с облач-ными сервисами и использовать данные для прокладки маршрута, избегая заторов на дорогах, поиска парковочного места и многое другое.
Одной из важнейших задач для реализации автопилота, является анализ изображения, а точнее – онлайн обработка видеопотока с камеры.
На сегодняшний день актуальной задачей в области цифровой об-работки изображений является обнаружение и классификация
Характеристики курсовой работы
Предмет
Учебное заведение
МГТУ им. Н.Э.БауманаСеместр
Просмотров
1
Размер
2,36 Mb
Список файлов
Выделение объекта из видеопотока с помощью глубинного обучения.doc
Tortuga
15 июня 2024 в 07:38
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
