Отрывок: 28 2.6 Объединяющий слой Распространѐнной практикой является периодически вставлять объединяющие слои между последовательных CONV слоѐв в ConvNet архитектуре. Их функция заключается в постепенном уменьшении пространственных размеров представления, чтобы уменьшить количество параметров и вычислений в сети, и, следовательно, также контролировать переобучение. Объединяющий слой работает независимо на каждой глубине сре...
Название : Детектирование объектов на изображениях с применением сверточных и рекурсивных нейронных сетей
Авторы/Редакторы : Софронов С. Д.
Никоноров А. В.
Полукаров Д. Ю.
Министерство образования и науки Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2017
Библиографическое описание : Софронов, С. Д. Детектирование объектов на изображениях с применением сверточных и рекурсивных нейронных сетей : вып. квалификац. работа по спец. "Прикладная математика и информатика" / С. Д. Софронов ; рук. работы А. В. Никоноров; рец. Д. Ю. Полукаров ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики и. - Самара, 2017. - on-line
Аннотация : Цель работы – провести обучение нейронной сети YOLO, реализованной в системе машинного обучения TensorFlow для детектирования объектов заданного класса на изображениях.В ходе работы была разработана программа для создания файлов, хранящих данные о расположении объектов заданного класса на изображениях.Произведено обучение нейронной сети для детектирования объектов заданного класса по полученным в результате работы программы данным. Реализация программы происходила на языке Python в среде разработки PyCharm.
Другие идентификаторы : RU\НТБ СГАУ\ВКР20170919155222
Ключевые слова: сверточные нейронные сети
нейронные сети
нейронная сеть YOLO
рекурсивные нейронные сети
детектирование объектов
система машинного обучения TensorFlow
системы машинного обучения
Располагается в коллекциях: Выпускные квалификационные работы




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.