Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/ADFC4F02-B03D-40FB-8A66-016BAA037176 | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.83738 | - |
| Γλώσσα | el | - |
| Μέγεθος | 4,14 megabytes | en |
| Τίτλος | Ανίχνευση [προαιρετικά και ταξινόμηση] επικίνδυνων αντικειμένων σε χρόνο πραγματικό (real time) από δεδομένα video, με χρήση μεθόδων βαθιάς μάθησης | el |
| Δημιουργός | Tsavalis Nikolaos | en |
| Δημιουργός | Τσαβαλης Νικολαος | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Παπαδάκης Νικόλαος | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Papadakis Nikolaos | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Daras Nikolaos | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Δαρας Νικολαος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Tsafarakis Stelios | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Τσαφαρακης Στελιος | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Εκδότης | Hellenic Army Academy | en |
| Εκδότης | Στρατιωτική Σχολή Ευελπίδων | el |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
| Περίληψη | 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 |
| Περίληψη | 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 |
| Τύπος | Μεταπτυχιακή Διατριβή | el |
| Τύπος | Master Thesis | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2019-10-29 | - |
| Ημερομηνία Δημοσίευσης | 2019 | - |
| Θεματική Κατηγορία | Keras | en |
| Θεματική Κατηγορία | Tensorflow | en |
| Θεματική Κατηγορία | Computer Vision | en |
| Βιβλιογραφική Αναφορά | 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
