Публікація:
Реалізація та дослідження у порівняльному аспекті методів для підрахунку людей у натовпі на базі загорткових нейронних мереж та класичних підходів до аналізу текстурних зображень

Спрощена сторінка документа
dc.contributor.authorНорматова, Т. В.
dc.date.accessioned2021-03-24T20:07:40Z
dc.date.available2021-03-24T20:07:40Z
dc.date.issued2020
dc.description.abstractУ роботі розглянуто методи підрахунку людей у натовпі з використанням загорткових нейронних мереж, а також методу заснованому на виявленні текстури. Для виконання дослідження використовувались моделі загорткових нейронних мереж MCNN та CSRNet і метод локальних бінарних шаблонів, як текстурний метод. Як середовище розробки було обрано Google Colaboratory, що дозволяє працювати у браузері та легко компілювати код, а також виводити результати кожного логічного блоку коду. У результаті роботи здійснено порівняльний аналіз обраних методів для підрахунку людей у натовпі.uk_UA
dc.identifier.citationНорматова Т. В. Реалізація та дослідження у порівняльному аспекті методів для підрахунку людей у натовпі на базі загорткових нейронних мереж та класичних підходів до аналізу текстурних зображень : пояснювальна записка до атестаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 122 - Комп’ютерні науки / Т. В. Норматова ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2020. – 77 с.uk_UA
dc.identifier.urihttp://openarchive.nure.ua/handle/document/15080
dc.language.isoukuk_UA
dc.subjectпідрахунок людей у натовпіuk_UA
dc.subjectзгорткові нейронні мережіuk_UA
dc.subjectалгоритми виявлення текстурuk_UA
dc.subjectлокальні бінарні шаблониuk_UA
dc.subjectpytorchuk_UA
dc.subjectopencvuk_UA
dc.titleРеалізація та дослідження у порівняльному аспекті методів для підрахунку людей у натовпі на базі загорткових нейронних мереж та класичних підходів до аналізу текстурних зображеньuk_UA
dc.typeOtheruk_UA
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 1 з 1
Зображення мініатюри
Назва:
2020_M_INF_Normatova_TV.pdf
Розмір:
3.53 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.42 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Колекції

Кваліфікаційні роботи магістрів (Маг_ІНФ)