Отрывок: Так как размер S4 также 5х5, то размер набора признаков C5 равен 1х1: это означает полную связь между S4 и C5. Слой C5 обозначен как сверточный вместо полносвязного для того, чтобы если на вход LeNet-5 подать изображение большей размерности все остальное осталось бы без изменений, а размерность наборов признаков стала бы больше чем 1х1. Слой C5 имеет 10164 параметра обучения. На рисунке 12 представлена архитектура использованной нейронной сети. Рисуно...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorПрончук К. А.ru
dc.contributor.authorЯкимов П. Ю.ru
dc.contributor.authorФедосеев В. А.ru
dc.contributor.authorСуханов С. В.ru
dc.contributor.authorМинистерство образования и науки Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorИнститут информатикиru
dc.contributor.authorматематики и электроникиru
dc.coverage.spatialвеб-сервисru
dc.coverage.spatialсверточные нейронные сетиru
dc.coverage.spatialклассификация дорожных знаковru
dc.coverage.spatialкаскадный классификаторru
dc.coverage.spatialcuba platformru
dc.coverage.spatialглубинное обучениеru
dc.creatorПрончук К. А.ru
dc.date.issued2018ru
dc.identifierRU\НТБ СГАУ\ВКР20180911140809ru
dc.identifier.citationПрончук, К. А. Разработка веб-сервиса для распознавания изображений при помощи сверточных нейронных сетей : вып. квалификац. работа по направлению подгот. (уровень магистратуры) "Прикладная математика и информатика" / К. А. Прончук ; рук. работы П. Ю. Якимов ; рец. В. А. Федосеев ; нормоконтролер С. В. Суханов ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т. - Самаpа, 2018. - on-lineru
dc.description.abstractЦелью работы являлась разработка многопользовательского сервиса по классификации дорожных знаков. Решение задачи классификации является одним из важнейших применений нейронных сетей. В настоящей статье предложен алгоритм для распознавания дорожных знаков на основе сверточных нейронных сетей. Для этого использовались современные подходы к распознаванию изображений, обучение нейронной сети происходило при помощи библиотеки TensorFlow и архитектуры параллельных вычислений CUDA. Для использования данной нейронной сети был также разработан веб-сервис на основе CUBA.platform.ru
dc.format.extentЭлектрон. дан. (1 файл : 3,4 Мб)ru
dc.titleРазработка веб-сервиса для распознавания изображений при помощи сверточных нейронных сетейru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpartТак как размер S4 также 5х5, то размер набора признаков C5 равен 1х1: это означает полную связь между S4 и C5. Слой C5 обозначен как сверточный вместо полносвязного для того, чтобы если на вход LeNet-5 подать изображение большей размерности все остальное осталось бы без изменений, а размерность наборов признаков стала бы больше чем 1х1. Слой C5 имеет 10164 параметра обучения. На рисунке 12 представлена архитектура использованной нейронной сети. Рисуно...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Прончук_Кирилл_Александрович_Разработка_сервиса.pdf3.48 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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