Отрывок: 28 2.6 Объединяющий слой Распространѐнной практикой является периодически вставлять объединяющие слои между последовательных CONV слоѐв в ConvNet архитектуре. Их функция заключается в постепенном уменьшении пространственных размеров представления, чтобы уменьшить количество параметров и вычислений в сети, и, следовательно, также контролировать переобучение. Объединяющий слой работает независимо на каждой глубине сре...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Софронов С. Д. | ru |
dc.contributor.author | Никоноров А. В. | ru |
dc.contributor.author | Полукаров Д. Ю. | ru |
dc.contributor.author | Министерство образования и науки Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт информатики | ru |
dc.contributor.author | математики и электроники | ru |
dc.coverage.spatial | сверточные нейронные сети | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | нейронная сеть YOLO | ru |
dc.coverage.spatial | рекурсивные нейронные сети | ru |
dc.coverage.spatial | детектирование объектов | ru |
dc.coverage.spatial | система машинного обучения TensorFlow | ru |
dc.coverage.spatial | системы машинного обучения | ru |
dc.creator | Софронов С. Д. | ru |
dc.date.issued | 2017 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20170919155222 | ru |
dc.identifier.citation | Софронов, С. Д. Детектирование объектов на изображениях с применением сверточных и рекурсивных нейронных сетей : вып. квалификац. работа по спец. "Прикладная математика и информатика" / С. Д. Софронов ; рук. работы А. В. Никоноров; рец. Д. Ю. Полукаров ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики и. - Самара, 2017. - on-line | ru |
dc.description.abstract | Цель работы – провести обучение нейронной сети YOLO, реализованной в системе машинного обучения TensorFlow для детектирования объектов заданного класса на изображениях.В ходе работы была разработана программа для создания файлов, хранящих данные о расположении объектов заданного класса на изображениях.Произведено обучение нейронной сети для детектирования объектов заданного класса по полученным в результате работы программы данным. Реализация программы происходила на языке Python в среде разработки PyCharm. | ru |
dc.format.extent | Электрон. дан. (1 файл : 2,0 Мб) | ru |
dc.title | Детектирование объектов на изображениях с применением сверточных и рекурсивных нейронных сетей | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | 28 2.6 Объединяющий слой Распространѐнной практикой является периодически вставлять объединяющие слои между последовательных CONV слоѐв в ConvNet архитектуре. Их функция заключается в постепенном уменьшении пространственных размеров представления, чтобы уменьшить количество параметров и вычислений в сети, и, следовательно, также контролировать переобучение. Объединяющий слой работает независимо на каждой глубине сре... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Софронов_Семен_Дмитриевич_Детектирование_объектов_изображениях.pdf | 2.04 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.