Institutional Repository
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/ADFC4F02-B03D-40FB-8A66-016BAA037176 | - |
| Identifier | https://doi.org/10.26233/heallink.tuc.83738 | - |
| Language | el | - |
| Extent | 4,14 megabytes | en |
| Title | Ανίχνευση [προαιρετικά και ταξινόμηση] επικίνδυνων αντικειμένων σε χρόνο πραγματικό (real time) από δεδομένα video, με χρήση μεθόδων βαθιάς μάθησης | el |
| Creator | Tsavalis Nikolaos | en |
| Creator | Τσαβαλης Νικολαος | el |
| Contributor [Thesis Supervisor] | Παπαδάκης Νικόλαος | el |
| Contributor [Thesis Supervisor] | Papadakis Nikolaos | en |
| Contributor [Committee Member] | Daras Nikolaos | en |
| Contributor [Committee Member] | Δαρας Νικολαος | el |
| Contributor [Committee Member] | Tsafarakis Stelios | en |
| Contributor [Committee Member] | Τσαφαρακης Στελιος | el |
| Publisher | Πολυτεχνείο Κρήτης | el |
| Publisher | Technical University of Crete | en |
| Publisher | Hellenic Army Academy | en |
| Publisher | Στρατιωτική Σχολή Ευελπίδων | el |
| Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
| Content Summary | Στην παρούσα διατριβή θα γίνει μία ιστορική αναδρομή της υπολογιστικής όρασης (computer vision) και των δυνατοτήτων που προσφέρει σε ένα ευρύ φάσμα εφαρμογών και επιστημών, μέσω των συνελικτικών νευρωνικών δικτύων (ΣΝΔ). Θα αναπτυχθούν οι έννοιες της αρχιτεκτονικής δομής και τα επίπεδα (layers) των ΣΝΔ καθώς και οι τεχνικές εκπαίδευσης (training), χωρικής υποδειγματοληψίας (pooling), κανονικοποίησης (normalisation) και ενεργοποίησης (activation) που τα διέπουν. Θα δοθεί ο παραγόμενος κώδικας γραμμένος σε γλώσσα προγραμματισμού Python και οι τεχνολογίες που χρησιμοποιήθηκαν για την αναγνώριση τυχόν οπλισμού, αρχικά σε στατική εικόνα και στη συνέχεια σε βίντεο. Μέσω labelled data, θα υπάρξει η δυνατότητα αναγνώρισης του παραπάνω οπλισμού με αναγραφή του τύπου αυτού και τυχόν άλλων χαρακτηριστικών του όπλου. | el |
| Content Summary | This thesis will analyze computer vision and its potential in a wide range of applications and sciences through convolutional neural networks (CNN). The concepts of architectural structure and layers of the CNN will be developed as well as the techniques of training, pooling, normalization and activation that govern them. The generated code written in Python programming language and the technologies used to identify any weaponry will be given, first in static image and then in video. Through labeled data, it will be possible to identify the above weapon by indicating this type and any other weapon characteristics. | en |
| Type of Item | Μεταπτυχιακή Διατριβή | el |
| Type of Item | Master Thesis | en |
| License | http://creativecommons.org/licenses/by/4.0/ | en |
| Date of Item | 2019-10-29 | - |
| Date of Publication | 2019 | - |
| Subject | Keras | en |
| Subject | Tensorflow | en |
| Subject | Computer Vision | en |
| Bibliographic Citation | Νικόλαος Τσαβαλής, "Ανίχνευση [προαιρετικά και ταξινόμηση] επικίνδυνων αντικειμένων σε χρόνο πραγματικό (real time) από δεδομένα video, με χρήση μεθόδων βαθιάς μάθησης", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Στρατιωτική Σχολή Ευελπίδων, Χανιά, Ελλάς, 2019 | el |
Copyright © DIAS 2013
