Аннотация 3
Abstract 4
Введение 5
1. Анализ и проектирование 7
1.1 Формулирование требований к детектору 7
1.2 Обзор инструментов для разметки данных 8
1.3 Обзор инструментов для аугментации данных 12
1.4 Обзор нейронных сетей 18
2. Сбор и предобработка данных 31
2.1 Сбор данных 31
2.2 Разметка данных 35
2.3 Аугментация данных и конвертирование 38
3. Обучение нейронной сети 44
3.1 Конвертирование данных в TFRecord 44
3.2 Конфигурирование пайплайна нейронной сети 46
3.3 Обучение нейронной сети 48
Заключение 52
Список использованных источников 55
Код для конвертации разметки 56
Код для аугментации данных 57
Код для создания CSV файла на основе папки с данными 61
Код для создания record файла 62
Код для обучения нейронной сети и тестирования 65
Многие научные работы с применением данного семейства подходов нацелены на поиск новых архитектур нейронных сетей и обоснований их применимости в реальном мире, но немаловажным является и поиск новых возможностей применения существующих технологий и разработке решений на этой базе. Такой поиск дает не меньший толчок в развитии технологии, чем заинтересованность в нем научного сообщества а, может быть, даже и больший. В связи с этим, мною было принято решение сделать главной целью своей выпускной работы именно практический аспект применения глубоких нейронных сетей в современном компьютерном зрении, и решить с их применением поставленную задачу.
Главной целью моей выпускной квалификационной работы является создание надежного инструмента для детектирования ключевых точек руки (далее детектор), который впоследствии может стать фундаментом для разработки новых проектов. Например, в рамках выполнения ВКР, мы уже смогли выстроить цепочку из взаимосвязанных работ, которые в совокупности можно будет считать минимальным работоспособным продуктом.
Первым звеном в упомянутой выше цепочке является мой детектор, который получает на вход изображение, выполняет поиск и выдает на выход координаты точек, необходимых для построения так называемых боксов (каждый бокс содержит в себе ключевую точку), следующее звено по тому же изображению, видеопотоку и ключевым точкам определяет ориентацию руки в пространстве, и последнее звено, основываясь на полученной ранее информации может дополнить изображение какой-то 3D моделью.
К основным задачам можно отнести:
1. Сбор данных
2. Разметка данных
3. Аугментация данных
4. Обучение нейронной сети
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Разработка детектора ключевых точек ладони руки на основе сверточных нейронных сетей. А также похожие готовые работы: страница 11 #9103889
Артикул: 9103889
- Предмет: Программирование
- Уникальность: 84% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2021 году
- Количество страниц: 69
- Формат файла: docx
- Последняя покупка: 11.04.2023
999p.
2 000p.
только 24 ноября!
1. Albumentations documentation [Электронный ресурс] – Режим доступа URL: https://github.com/albumentations-team/albumentations (Дата обращения 11.01.2021)
2. Augmentor 0.2.6 documentation [Электронный ресурс] – Режим доступа URL: https://augmentor.readthedocs.io/en/master/ (Дата обращения 19.02.2021)
3. Compuiter Vision Annotation Tool (CVAT) documentation [Электронный ресурс] – Режим доступа URL: https://github.com/openvinotoolkit/cvat (Дата обращения 11.01.2021)
4. ImgAug documentation [Электронный ресурс] – Режим доступа URL: https://imgaug.readthedocs.io/en/latest/ (Дата обращения 15.02.2021)
5. LabelImg documentation [Электронный ресурс] – Режим доступа URL: https://github.com/tzutalin/labelImg (Дата обращения 11.01.2021)
6. LabelMe documentation [Электронный ресурс] – Режим доступа URL: https://github.com/wkentaro/labelme (Дата обращения 11.01.2021)
7. MobileNets article [Электронный ресурс] – Режим доступа URL: https://arxiv.org/abs/1704.04861 (Дата обращения 16.04.2021)
8. Learn OpenCV HandPose source code [Электронный ресурс] – Режим доступа URL: https://github.com/spmallick/learnopencv/tree/master/HandPose/ (Дата обращения 17.02.2021)
9. SSD: Single Shot Multibox Detector article [Электронный ресурс] – Режим доступа URL: https://arxiv.org/abs/1512.02325 (Дата обращения 17.04.2021)
10. Tensorflow API documentation [Электронный ресурс] – Режим доступа URL: https://www.tensorflow.org/api_docs (Дата обращения 05.05.2021)
11. YOLO article [Электронный ресурс] – Режим доступа URL: https://arxiv.org/abs/2106.00666 (Дата обращения 17.04.2021)
2. Augmentor 0.2.6 documentation [Электронный ресурс] – Режим доступа URL: https://augmentor.readthedocs.io/en/master/ (Дата обращения 19.02.2021)
3. Compuiter Vision Annotation Tool (CVAT) documentation [Электронный ресурс] – Режим доступа URL: https://github.com/openvinotoolkit/cvat (Дата обращения 11.01.2021)
4. ImgAug documentation [Электронный ресурс] – Режим доступа URL: https://imgaug.readthedocs.io/en/latest/ (Дата обращения 15.02.2021)
5. LabelImg documentation [Электронный ресурс] – Режим доступа URL: https://github.com/tzutalin/labelImg (Дата обращения 11.01.2021)
6. LabelMe documentation [Электронный ресурс] – Режим доступа URL: https://github.com/wkentaro/labelme (Дата обращения 11.01.2021)
7. MobileNets article [Электронный ресурс] – Режим доступа URL: https://arxiv.org/abs/1704.04861 (Дата обращения 16.04.2021)
8. Learn OpenCV HandPose source code [Электронный ресурс] – Режим доступа URL: https://github.com/spmallick/learnopencv/tree/master/HandPose/ (Дата обращения 17.02.2021)
9. SSD: Single Shot Multibox Detector article [Электронный ресурс] – Режим доступа URL: https://arxiv.org/abs/1512.02325 (Дата обращения 17.04.2021)
10. Tensorflow API documentation [Электронный ресурс] – Режим доступа URL: https://www.tensorflow.org/api_docs (Дата обращения 05.05.2021)
11. YOLO article [Электронный ресурс] – Режим доступа URL: https://arxiv.org/abs/2106.00666 (Дата обращения 17.04.2021)
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Разработка детектора ключевых точек ладони руки на основе сверточных нейронных сетей |
| Артикул: | 9103889 |
| Дата написания: | 30.04.2021 |
| Тип работы: | Дипломная работа |
| Предмет: | Программирование |
| Оригинальность: | Антиплагиат.ВУЗ — 84% |
| Количество страниц: | 69 |
Скрин проверки АП.ВУЗ приложен на последней странице.
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
Файлы артикула: Разработка детектора ключевых точек ладони руки на основе сверточных нейронных сетей. А также похожие готовые работы: страница 11 по предмету программирование
Пролистайте "Разработка детектора ключевых точек ладони руки на основе сверточных нейронных сетей. А также похожие готовые работы: страница 11" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 23.01.2025
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 84% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 55 работ. Успей и ты забрать свою пока это не сделал кто-то другой!
ПРЕДЫДУЩАЯ РАБОТА
Разработка приложения под ios по сбору и отображению статистики распространения заболевания covid-19
СЛЕДУЮЩАЯ РАБОТА
Приложение «Мобильный секретарь» с применением алгоритмов стеганографии