Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης

Στον σημερινό κόσμο της πληροφορίας και του διαδικτύου, αναπτύχθηκε η παρούσα διπλωματική εργασία με στόχο να παρουσιάσει όλες τις ιδέες και τεχνικές που είναι απαραίτητες για την κατανόηση των σημερινών state-of-the-art συστημάτων ανα- γνώρισης προσώπου καθώς και την ανάπτυξη μιας εφαρμογής που...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Νικόλας, Ορέστης
Άλλοι συγγραφείς:	Σγάρμπας, Κυριάκος
Μορφή:	Thesis
Γλώσσα:	Greek
Έκδοση:	2019
Θέματα:	Μηχανική μάθηση Αναγνώριση προσώπου Machine learning Face recognition Deep learning 006.31
Διαθέσιμο Online:	http://hdl.handle.net/10889/12597

id	nemertes-10889-12597
record_format	dspace
spelling	nemertes-10889-125972022-09-05T09:40:51Z Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης Face recognition with machine learning Νικόλας, Ορέστης Σγάρμπας, Κυριάκος Δερματάς, Ευάγγελος Nikolas, Orestis Μηχανική μάθηση Αναγνώριση προσώπου Machine learning Face recognition Deep learning 006.31 Στον σημερινό κόσμο της πληροφορίας και του διαδικτύου, αναπτύχθηκε η παρούσα διπλωματική εργασία με στόχο να παρουσιάσει όλες τις ιδέες και τεχνικές που είναι απαραίτητες για την κατανόηση των σημερινών state-of-the-art συστημάτων ανα- γνώρισης προσώπου καθώς και την ανάπτυξη μιας εφαρμογής που να χρησιμοποιεί αυτά τα εργαλεία για να επιδείξει την ικανότητα της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης πάνω στον τομέα. Ο σκοπός της εφαρμογής είναι να εντοπίζει και να αναγνωρίζει πρόσωπα σε αρχεία εικόνων και βίντεο καθώς και σε βιντεο- σκοπήσεις πραγματικού χρόνου χρησιμοποιώντας τα απαραίτητα αυτά εργαλεία. Η εφαρμογή καταφέρνει να υλοποιήσει αναγνώριση προσώπου με ακρίβεια συγκρί- σιμη με τις ανθρώπινες δυνατότητες και προσαρμογή του προγράμματος ώστε να έχει τις καλύτερες δυνατές επιδόσεις σε πραγματικό χρόνο πάνω στο σύστημα που υλοποιήθηκε. Επιπλέον η εφαρμογή διαθέτει και τρόπους με τους οποίους μπορεί να τρέξει σε συστήματα με χαμηλές υπολογιστικές δυνατότητες θυσιάζοντας όσο το δυνατόν λιγότερη ακρίβεια. In today’s data-driven world, this thesis is aimed to provide a complete understanding on the concepts required to grasp how most state-of-the-art face recognition systems work as well as producing an application which utilizes these concepts in order to demonstrate the power and world-changing capabilities of the current state of Artificial Intelligence and Machine/Deep Learning. The application focuses on detecting and recognizing faces from images, video files and real-time live-streamed videos using the necessary tools and concepts required. The application achieves human level accuracy and optimizes the computational complexity so that the system in which this application was developed will benefit most from its hardware capabilities and produce the best possible performance. This application also offers ways in which it can be run by systems with low computational capabilities by only sacrificing a low amount of accuracy. 2019-10-10T21:17:20Z 2019-10-10T21:17:20Z 2019-07-21 Thesis http://hdl.handle.net/10889/12597 gr 0 application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Μηχανική μάθηση Αναγνώριση προσώπου Machine learning Face recognition Deep learning 006.31
spellingShingle	Μηχανική μάθηση Αναγνώριση προσώπου Machine learning Face recognition Deep learning 006.31 Νικόλας, Ορέστης Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης
description	Στον σημερινό κόσμο της πληροφορίας και του διαδικτύου, αναπτύχθηκε η παρούσα διπλωματική εργασία με στόχο να παρουσιάσει όλες τις ιδέες και τεχνικές που είναι απαραίτητες για την κατανόηση των σημερινών state-of-the-art συστημάτων ανα- γνώρισης προσώπου καθώς και την ανάπτυξη μιας εφαρμογής που να χρησιμοποιεί αυτά τα εργαλεία για να επιδείξει την ικανότητα της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης πάνω στον τομέα. Ο σκοπός της εφαρμογής είναι να εντοπίζει και να αναγνωρίζει πρόσωπα σε αρχεία εικόνων και βίντεο καθώς και σε βιντεο- σκοπήσεις πραγματικού χρόνου χρησιμοποιώντας τα απαραίτητα αυτά εργαλεία. Η εφαρμογή καταφέρνει να υλοποιήσει αναγνώριση προσώπου με ακρίβεια συγκρί- σιμη με τις ανθρώπινες δυνατότητες και προσαρμογή του προγράμματος ώστε να έχει τις καλύτερες δυνατές επιδόσεις σε πραγματικό χρόνο πάνω στο σύστημα που υλοποιήθηκε. Επιπλέον η εφαρμογή διαθέτει και τρόπους με τους οποίους μπορεί να τρέξει σε συστήματα με χαμηλές υπολογιστικές δυνατότητες θυσιάζοντας όσο το δυνατόν λιγότερη ακρίβεια.
author2	Σγάρμπας, Κυριάκος
author_facet	Σγάρμπας, Κυριάκος Νικόλας, Ορέστης
format	Thesis
author	Νικόλας, Ορέστης
author_sort	Νικόλας, Ορέστης
title	Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης
title_short	Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης
title_full	Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης
title_fullStr	Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης
title_full_unstemmed	Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης
title_sort	αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης
publishDate	2019
url	http://hdl.handle.net/10889/12597
work_keys_str_mv	AT nikolasorestēs anagnōrisēprosōpoumemethodousmēchanikēsmathēsēs AT nikolasorestēs facerecognitionwithmachinelearning
_version_	1771297197865828352

Αναγνώριση προσώπου με μεθόδους μηχανικής μάθησης

Παρόμοια τεκμήρια