Отрывок: Рисунок 2.2 – Диаграмма состояний 2.2.4 Диаграмма последовательности При написании текстовых сценариев работы программ, возникает проблема наглядного представления отправителя и получателя каждого 35 сообщения, особенно если количество объектов превышает два. Для решение этой проблемы в UML существует диаграмма последовательности, которая показывает участников взаимодействия и последов...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorТитаев В. Д.ru
dc.contributor.authorЛитвинов В. Г.ru
dc.contributor.authorСоловьева Я. В.ru
dc.contributor.authorМинистерство науки и высшего образования Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorИнститут информатики и кибернетикиru
dc.coverage.spatialвеб-интерфейсru
dc.coverage.spatialизображениеru
dc.coverage.spatialмашинное обучениеru
dc.coverage.spatialраспознавание объектаru
dc.coverage.spatialсверточные нейронные сетиru
dc.creatorТитаев В. Д.ru
dc.date.accessioned2022-10-28 10:18:20-
dc.date.available2022-10-28 10:18:20-
dc.date.issued2022ru
dc.identifierRU\НТБ СГАУ\ВКР20221021095005ru
dc.identifier.citationТитаев, В. Д. Автоматизированная система детектирования зданий на космических и аэрофотоснимках : вып. квалификац. работа по по направлению подгот. 09.03.01 Информатика и вычислительная техника (уровень бакалавриата), профиль «Информационные системы» / В. Д. Титаев ; рук. работы В. Г. Литвинов, нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики и. - Самара, 2022. - 1 файл (2,7 Мб). - Текст : электронныйru
dc.identifier.urihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Avtomatizirovannaya-sistema-detektirovaniya-zdanii-na-kosmicheskih-i-aerofotosnimkah-99890-
dc.description.abstractЦелью работы является автоматизация процесса кадастрового учета недвижимости по спутниковым снимкам. В данной ВКР изучены методы и алгоритмы машинного обучения, способы решения задачи детектирования зданий на космических иаэрофотоснимках. Разработан логический проект системы с использованием методологии UML. Разработана и реализована автоматизированная система детектированиязданий на космических и аэрофотоснимках на базе сверточной нейронной сети с веб-интерфейсом. Алгоритмы машинного обучения реализованы на языкеPython с использованием библиотеки scikit-learn, Tensorflow и Keras, которые позволяют выполнять обучение модели на ядрах графического процессора. Веб- интерфейс системы реализован на языке Python, с использованием технологииDjango, для отображение динамического содержимого веб-страницы используется язык Javascript.Разработан пример прогнозирования с помощью разработанной системы.ru
dc.titleАвтоматизированная система детектирования зданий на космических и аэрофотоснимкахru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpartРисунок 2.2 – Диаграмма состояний 2.2.4 Диаграмма последовательности При написании текстовых сценариев работы программ, возникает проблема наглядного представления отправителя и получателя каждого 35 сообщения, особенно если количество объектов превышает два. Для решение этой проблемы в UML существует диаграмма последовательности, которая показывает участников взаимодействия и последов...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Титаев_Владимир_Дмитриевич_Автоматизированная_система_детектирования_зданий.pdf2.77 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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