Отрывок: Далее мы убедимся, что и с таким малым набором на класс, как у нас, обучение и тестирование нейронной сети отвечает высоким требованиям по точности. Для более быстрого обучения нейронной сети предпринята операция изменения разрешения исходных изображений с билинеарным сглаживанием. Исходное разрешение текстурных изображений: 576х576 пикселов; раз...
Название : | Сравнение эффективности конфигураций нейронных сетей для задач текстурного анализа цифровых изображений |
Авторы/Редакторы : | Ершов В. В. Гайдель А. В. Суханов С. В. Министерство науки и высшего образования Российской Федерации Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) Институт информатики математики и электроники |
Дата публикации : | 2019 |
Библиографическое описание : | Ершов, В. В. Сравнение эффективности конфигураций нейронных сетей для задач текстурного анализа цифровых изображений : вып. квалификац. работа по направлению подгот. 01.03.02 "Прикладная математика и информатика" (уровень бакалавриата) / В. В. Ершов ; рук. работы А. В. Гайдель ; нормоконтролер С. В. Суханов ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, мат. - Самара, 2019. - on-line |
Аннотация : | Объектом исследования является подготовленный набор данных для текстурного анализа, для которого будет разработан соответствующий алгоритм, включающий описание архитектуры нейронной сети. К данному набору данных будет применена последующая классификация. |
Другие идентификаторы : | RU\НТБ СГАУ\ВКР20191021162930 |
Ключевые слова: | пакет KERAS обработка изображений цифровые изображения Python компьютерное зрение текстурный анализ нейронные сети |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Ершов_Владислав_Владимирович_Сравнение_эффективности_конфигураций_нейронных.pdf | 5.11 MB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.