Отрывок: 4.3 Диаграмма последовательности Диаграмма последовательности (Sequence Diagram) показывает взаимодействие между различными компонентами системы во временной последовательности. Она иллюстрирует, как запрос от пользователя передаётся от интерфейса к логике приложения, затем к обученной нейросети, затем – к модулю преобразования в STL, и, наконец, – к файловой системе для сохранения. Эта диаграмма особенно полезна для разработчиков, так как позволяет понять структуру вызовов и зависим...
Название : Исследование алгоритмов автоматического построения трехмерных моделей
Авторы/Редакторы : Горбунова И. А.
Сивков В. С.
Муравьева Е. В.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Дата публикации : 2025
Библиографическое описание : Горбунова, И. А. Исследование алгоритмов автоматического построения трехмерных моделей : вып. квалификац. работа по направлению подгот. 09.04.01 "Информатика и вычислительная техника" (уровень магистратуры), профиль "Интеллектуальные системы управления цифровой инстраструктурой предприятия" / И. А. Горбунова ; рук. работы В. С. Сивков ; нормоконтролер Е. В. Муравьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Передовая инж. а. - Самара, 2025. - 1 файл (4,1 Мб). - Текст : электронный
Аннотация : В данной выпускной квалификационной работе магистра проводится исследование применения 3D-свёрточных нейронных сетей для решения задачи автоматического построения трёхмерных моделей. В рамках работы были решены следующие задачи: – проанализированы модели 3D-свёрточных нейронных сетей; – изучены различные алгоритмы, решающие задачу автоматического построения трёхмерных моделей;– разработан прототип программного комплекса на основе архитектуры 3Dсвёрточных сетей для решения задачи автоматического построения трёхмерных моделей;– проведено обучение и тестирование моделей программного комплекса и проанализированы полученные результаты. Для обучения и тестирования использовались обучающие датасеты, созданные вручную. Для каждого размера куба (три размера: S, M и L) были созданы сотни файлов с разными ориентациями и положениями в пространстве. Система реализована на языке Python версии 3.12.10 с помощью библиотеки PyTorch версии 1.13.1 в текстовом редакторе Colaboratory (онлайн версии среды Jupyter Notebook).
URI (Унифицированный идентификатор ресурса) : http://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Issledovanie-algoritmov-avtomaticheskogo-postroeniya-trehmernyh-modelei-116410
Другие идентификаторы : RU\НТБ СГАУ\ВКР20250701094218
Ключевые слова: автоматическое построение трехмерных моделей
автоэнкодеры
воксель
кубы
сверточные нейронные сети
сверточные слои
трехмерные модели
трехмерные нейронные сети
Располагается в коллекциях: Выпускные квалификационные работы




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