Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/5208
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Вахитов Александр Тимурович | ru_RU |
dc.contributor.author | Косатый Дмитрий Николаевич | ru_RU |
dc.contributor.author | Kosaty Dmitry | en_GB |
dc.contributor.editor | Кандидат физико-математических наук А.Т.Вахитов | ru_RU |
dc.contributor.editor | Candidate of Physics and Mathematics A.T.Vakhitov | en_GB |
dc.date.accessioned | 2016-10-10T02:22:33Z | - |
dc.date.available | 2016-10-10T02:22:33Z | - |
dc.date.issued | 2016 | |
dc.identifier.other | 040036 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/5208 | - |
dc.description.abstract | Косатый Дмитрий Николаевич. Методы создания гибридных классификаторов на основе каскадов и глубоких нейронных сетей. к.ф.-м.н., доц. Вахитов А. Т. Фундаментальная информатика и информационные технологии, кафедра информатики. Данная работа посвящена решению задачи детекции пешеходов на изображениях. В реальных приложениях актуальными являются решения, достигающие высокой скорости и качества. Такое решение предоставляют гибридные методы, использующие точные и быстрые методы. Несмотря на то, что отдельные методы имеются в составе библиотек с открытым исходным кодом, их интеграция не является решённой задачей. Цель работы состоит в разработке библиотеки с открытым исходным кодом, сочетающей каскадный метод и глубокую нейронную сеть. В итоге выполнения работы реализован гибридный детектор. В работе приведено сравнительное тестирование гибридного детектора с каскадным алгоритмом и глубокой нейронной сетью. 22 источника. Косатый, Д.Н. Методы создания гибридных классификаторов на основе каскадов и глубоких нейронных сетей: магистерская дис.: защищена 27.05.2016 / Косатый Дмитрий Николаевич. - СПб., 2016. - 28 с. Библиогр.: с. 28-30. | ru_RU |
dc.description.abstract | Dmitry Kosaty. Methods of creating hybrid classifiers based on cascades and deep neural networks. Associate professor Alexander Vakhitov. Main Field of Study of Fundamental Computer Science and Information Technologies, Computer science department. This paper addresses the problem of pedestrians detection on images. In a real application the actual solution is solution, that reaches high speed and quality. Hybrid methods that use fast and accurate methods provide this solution. Despite the fact that certain methods are available as part of libraries with open source, their integration is not a solved task. The aim of the paper is to develop a library of open source, combining cascaded methods and deep neural networks. The aim of this work is to develop the open-source library combining the cascade method and deep neural network. At the completion of the work implemented the hybrid detector. The paper presents a comparative test of the hybrid detector with the cascade algorithm and deep neural network. It was used 22 source. D. Kosaty. Methods of creating hybrid classifiers based on cascades and deep neural networks.: master’s thesis: thesis defense: 27.05.2016 / Dmitry Kosaty - SPb, 2016 - 28 pages, bibliography: page: 28-30. | en_GB |
dc.language.iso | ru | |
dc.subject | детекция пешеходов | ru_RU |
dc.subject | метод DeepCascade | ru_RU |
dc.subject | метод VeryFast | ru_RU |
dc.subject | каскадный метод | ru_RU |
dc.subject | библиотека cuda-convnet | ru_RU |
dc.subject | глубокое обучение | ru_RU |
dc.subject | pedestrian detection | en_GB |
dc.subject | DeepCascade | en_GB |
dc.subject | VeryFast | en_GB |
dc.subject | cascade algorithm | en_GB |
dc.subject | cuda-convnet | en_GB |
dc.subject | deep learning | en_GB |
dc.title | Methods of creating hybrid classifiers based on cascades and deep neural networks | en_GB |
dc.title.alternative | Методы создания гибридных классификаторов на основе каскадов и глубоких нейронных сетей | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Kosaty_masters_thesis.pdf | Article | 2,51 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st007271_Vaxitov_Aleksandr_Timurovich_(supervisor)(Ru).txt | ReviewSV | 3,61 kB | Text | Просмотреть/Открыть |
reviewSV_st007271_Vaxitov_Aleksandr_Timurovich_(reviewer)(Ru).txt | ReviewRev | 3,45 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.