ВКР: Система нейросетевого прокторинга

РЕФЕРАТ

Пояснительная записка содержит 82 страницы, 46 рисунок, 6 таблиц и список из источников 18 наименований.
НЕПРЕРЫВНАЯ НЕЙРОННАЯ СЕТЬ, СИСТЕМА РАСПОЗНАВАНИЯ ЛИЦ, ИДЕНТИФИКАЦИЯ, СИСТЕМА НЕЙРОННОГО МОНИТОРИНГА, АНАЛИЗ ИЗОБРАЖЕНИЙ
Объект исследования: Нейронная сеть.
Цель работы: Создать систему, способную анализировать данные портретных изображений, тем самым проверяя и распознавая человеческие лица с помощью камер наблюдения. Оптимизировать систему для выполнения задачи проверки честности онлайн-экзамена.
Применение принципов работы сверточных нейронных сетей для разработки систем, интеграция технологий и баз данных для развития способности хранить и анализировать информацию. Перспективная разработка приложений распознавания лиц для конкретных целей.
Разработана система, позволяющая считывать и обрабатывать данные изображения. Управляйте информацией о пользователях. Обнаруживайте и распознавайте человеческие лица с помощью камеры. Оттуда отображается необходимая информация об объекте. Новинка заключается в способности обрабатывать изображения и оценивать действия, тем самым обслуживая работу управления студентами на онлайн-экзаменах.


СОДЕРЖАНИЕ

ВВЕДЕНИЕ
1 Введение в тему
1.1 Исследовательская среда
1.2 Сверточная нейронная сеть CNN
1.3 Нейронные сети в распознавании лиц
1.4 Цель при исследовании сверточных нейронных сетей CNN
2 Теоретические основы
2.1 Машинное обучение
2.2 Распространение машинного обучения
2.3 Подходы к проблемам машинного обучения
2.4 Искусственная нейронная сеть
2.4.1 Математическая модель нейронной сети
2.3.2 Искусственная нейронная сеть
2.5 Сверточная нейронная сеть
2.5.1 Основные слои сверточных нейронных сетей
2.5.2 Слой свертки (CONV)
2.5.3 Слой пула (Pool)
2.5.4 Полностюь связанный слой (FC)
2.5.5 Слой активации (Activation Layer)
2.5.6 Фильтровать гиперпараметры.
2.5.7 Настройка гиперпараметров
2.5.8 Общие функции активации
2.5.9 Применение сверточных нейронных сетей
2.5.10 Обработка изображений и извлечение признаков
2.5.11 Соберение данные и подготовьте наборы данных
2.5.12 Оцените модель
3 Некоторые популярные библиотеки машинного обучения
3.1 TensorFlow
3.2 Scikit-learn
3.3 Keras
3.4 Open Neural Network Exchange (ONNX)
3.5 Pytorch
4 Обнаружение лиц
4.1 Модель Ultra–light fast face detection
4.2 Написать программу для распознавания лиц
4.3 Сравнение с другими моделями распознавания лиц
5 Распознавание лица
5.1 Выпрямить лицо
5.2 Выпрямить Модель FaceNet
5.2.1 Модельная архитектура
5.2.2 Модель предварительной подготовки (pretrain)
5.2.3 Использование модели для идентификации
6 Программа распознавания лиц
6.1 Технологии
6.2 Процесс программы
6.2.1 Сбора данные о лицах для идентификации
6.2.2 Распознавание лиц через камеру
6.2.3 Список информации о студентах
6.2.4 Распознать некоторые мошеннические действия
7 Вывод
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

ВВЕДЕНИЕ

Объектом исследования является нейросетевая система. Целью исследования является понимание и анализ алгоритмов, а также применение моделей для распознавания лиц и обнаружения необычного поведения при прохождении онлайн-тестов. Задача состоит в том, чтобы построить алгоритм этой разработки и создать программное обеспечение с описанными рабочими функциями.
Модель, использующая нейронные сети для распознавания лиц, всё больше развивается и становится важной в современную эпоху технологического развития. Это признано шагом вперёд в применении искусственного интеллекта (AI). Эта технология оказала глубокое влияние на многие области.
Нейронная сеть – это вычислительная модель глубокого обучения, вдохновлённая взаимосвязанной структурой и функциями нервной системы человека, в которой «нейроны» описываются как слои с различными функциями, связанные друг с другом посредством весов. В области обработки изображений сверточная нейронная сеть (CNN) представляет собой широко используемую модель для распознавания человеческих лиц, животных и объектов.
Цель исследования: Применение нейронных сетей для разработки программного обеспечения, способного распознавать человеческие лица.
Основные задачи:
- Изучить искусственный интеллект
- Изучить концепцию глубокого обучения
- Изучить модели нейронных сетей
- Создать модельное приложение для распознавания лиц
- Сравнить скорость обработки алгоритмов распознавания лиц
- Проверить алгоритм на реальных примерах
- Разработать дополнительные функции для наблюдения за смотровым залом​