1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 05. Выпускные квалификационные работы
  3. Выпускные квалификационные работы
Full metadata record
DC FieldValueLanguage
dc.contributor.authorКочелаевская А. А.
dc.contributor.authorЛобанков А. А.
dc.contributor.authorСопченко Е. В.
dc.coverage.spatialвеб-приложения
dc.coverage.spatialдипфейки
dc.coverage.spatialметоды обнаружения
dc.coverage.spatialнейронные сети
dc.coverage.spatialобнаружение подделок
dc.coverage.spatialподделки
dc.coverage.spatialподдельные изображения
dc.coverage.spatialпроверка подлинности изображений
dc.coverage.spatialфальшивые фотографии
dc.creatorКочелаевская А. А.
dc.date2024
dc.date.accessioned2025-11-27T12:18:56Z-
dc.date.available2025-11-27T12:18:56Z-
dc.date.issued2024
dc.identifier.identifierRU\НТБ СГАУ\ВКР20241008163120
dc.identifier.citationКочелаевская, А. А. Разработка веб-приложения для проверки подлинности изображений : вып. квалификац. работа по направлению подгот. 02.03.02"Фундаментальная информатика и информационные технологии" (уровень бакалавриата), направленность (профиль) "Информационные технологии" / А. А. Кочелаевская ; рук. работы А. А. Лобанков ; нормоконтролер Е. В. Сопченко ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информа. - Самара, 2024. - 1 файл (2,0 Мб)
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/53632-
dc.description.abstractЦель работы – разработка веб-сайта для оценки подлинности изображений. В процессе выполнения работы был проведен анализ данных для обучения, создана модель нейронной сети, на основе которой разработана система, позволяющая пользователю узнать подлинность изображения. Система разработана на языке Python. Модель нейронной сети была создана с использованием библиотек Keras и TensorFlow. В ходе анализа данных и оценки точности модели были применены библиотеки Opencvpython, Pandas, Numpy, Keras_applications. Для обнаружения лиц на изображениях была использована уже обученная модель Mtcnn. Для достижения высокой производительности с минимальным количеством параметров была использована библиотека Efficientnet. Формы созданы с помощью языка разметки HTML, каскадной таблицы стилей CSS и языка программирования JavaScript. Система функционирует под управлением операционной системы Windows 10.
dc.subjectвеб-приложения
dc.subjectдипфейки
dc.subjectметоды обнаружения
dc.subjectнейронные сети
dc.subjectобнаружение подделок
dc.subjectподделки
dc.subjectподдельные изображения
dc.subjectпроверка подлинности изображений
dc.subjectфальшивые фотографии
dc.subject.rugasnti50.01
dc.subject.udc004.032.26
dc.titleРазработка веб-приложения для проверки подлинности изображений
dc.typeText
local.contributor.authorМинистерство науки и высшего образования Российской Федерации
local.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
local.contributor.authorИнститут информатики и кибернетики
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Razrabotka-vebprilozheniya-dlya-proverki-podlinnosti-izobrazhenii-112169
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Razrabotka-vebprilozheniya-dlya-proverki-podlinnosti-izobrazhenii-112169
Appears in Collections:Выпускные квалификационные работы

Files in This Item:
File SizeFormat 
Кочелаевская_Анастасия_Александровна_Разработка_приложения.pdf2.08 MBAdobe PDFView/Open    Request a copy
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.