Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα
Η παρούσα εργασία ασχολείται με δύο σημαντικά θέματα των συνελικτικών νευρωνικών δικτύων στην αναγνώριση εικόνας. Τη δυνατότητα πρόσβασης σε αξιόπιστη αναγνώριση εικόνας από οποιονδήποτε έχει ένα έξυπνο κινητό τηλέφωνο (“smartphone”), χρησιμοποιώντας μόνο το πρόγραμμα περιήγησης του (“web browser”)...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2020
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/14123 |
| id |
nemertes-10889-14123 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-141232022-09-05T13:59:58Z Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα Convolutional neural networks and their application in image recognition from mobile phones Σταυρόπουλος, Σταύρος Stavropoulos, Steve Τεχνητή νοημοσύνη Συνελικτικά νευρωνικά δίκτυα Διαδικτυακές εφαρμογές Artificial intelligence Mobilenet Mobilenetv2 Convolutional neural networks CNN Web applications Tensorflow js Η παρούσα εργασία ασχολείται με δύο σημαντικά θέματα των συνελικτικών νευρωνικών δικτύων στην αναγνώριση εικόνας. Τη δυνατότητα πρόσβασης σε αξιόπιστη αναγνώριση εικόνας από οποιονδήποτε έχει ένα έξυπνο κινητό τηλέφωνο (“smartphone”), χρησιμοποιώντας μόνο το πρόγραμμα περιήγησης του (“web browser”) και τη δυνατότητα στοχευμένης και μαζικής συλλογής δεδομένων εκπαίδευσης. Για το ζήτημα της προσβασιμότητας, φτιάχτηκε web εφαρμογή (“web app”) στην οποία μπορεί να φορτωθεί οποιοδήποτε μοντέλο, να οριστούν οποιεσδήποτε κατηγορίες με πλήρη εικόνα και περιγραφή τους και όταν ο χρήστης δείξει κάπου με την κάμερα να γίνει αυτόματη αναγνώριση και παρουσίαση αυτών των πληροφοριών. Για το ζήτημα της μαζικής συλλογής δεδομένων εκπαίδευσης, δόθηκε η δυνατότητα στο διαχειριστή της εφαρμογής να αξιολογεί συνεχώς το μοντέλο του σύμφωνα με ότι βλέπει η κάμερα του και να καταχωρεί προς εκπαίδευση είτε συγκεκριμένα στιγμιότυπα που βλέπει εκείνη τη στιγμή, είτε καρέ σε συνεχή λήψη αυτόματα (βίντεο). Καθ’ όλη τη διάρκεια ο διαχειριστής έχει πλήρη εικόνα του τι καταλαβαίνει το δίκτυο του, ώστε να καθοδηγεί σωστά τη συλλογή των επόμενων δεδομένων εκπαίδευσης. Present work deals with two important issues of convolutional neural networks in image recognition. The ability to access reliable image recognition by anyone who has a smartphone, using only a web browser and the ability of targeted mass collection of training data. For the issue of accessibility, a web application was created, in which any model can be loaded, any categories added with their full image and description and when the user points the camera somewhere, it automatically identifies it and presents the applicable information. For the issue of bulk training data collection, the application administrator is given the opportunity to continuously evaluate his model according to what his camera sees and capture for training either specific snapshots that he sees at that time, or frames in continuous shooting automatically (video). At all times, the administrator has a complete picture of what his network sees, in order to properly guide the collection of the next training data. 2020-10-21T16:11:08Z 2020-10-21T16:11:08Z 2020-08-31 http://hdl.handle.net/10889/14123 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Τεχνητή νοημοσύνη Συνελικτικά νευρωνικά δίκτυα Διαδικτυακές εφαρμογές Artificial intelligence Mobilenet Mobilenetv2 Convolutional neural networks CNN Web applications Tensorflow js |
| spellingShingle |
Τεχνητή νοημοσύνη Συνελικτικά νευρωνικά δίκτυα Διαδικτυακές εφαρμογές Artificial intelligence Mobilenet Mobilenetv2 Convolutional neural networks CNN Web applications Tensorflow js Σταυρόπουλος, Σταύρος Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα |
| description |
Η παρούσα εργασία ασχολείται με δύο σημαντικά θέματα των συνελικτικών νευρωνικών δικτύων στην αναγνώριση εικόνας. Τη δυνατότητα πρόσβασης σε αξιόπιστη αναγνώριση εικόνας από οποιονδήποτε έχει ένα έξυπνο κινητό τηλέφωνο (“smartphone”), χρησιμοποιώντας μόνο το πρόγραμμα περιήγησης του (“web browser”) και τη δυνατότητα στοχευμένης και μαζικής συλλογής δεδομένων εκπαίδευσης.
Για το ζήτημα της προσβασιμότητας, φτιάχτηκε web εφαρμογή (“web app”) στην οποία μπορεί να φορτωθεί οποιοδήποτε μοντέλο, να οριστούν οποιεσδήποτε κατηγορίες με πλήρη εικόνα και περιγραφή τους και όταν ο χρήστης δείξει κάπου με την κάμερα να γίνει αυτόματη αναγνώριση και παρουσίαση αυτών των πληροφοριών.
Για το ζήτημα της μαζικής συλλογής δεδομένων εκπαίδευσης, δόθηκε η δυνατότητα στο διαχειριστή της εφαρμογής να αξιολογεί συνεχώς το μοντέλο του σύμφωνα με ότι βλέπει η κάμερα του και να καταχωρεί προς εκπαίδευση είτε συγκεκριμένα στιγμιότυπα που βλέπει εκείνη τη στιγμή, είτε καρέ σε συνεχή λήψη αυτόματα (βίντεο). Καθ’ όλη τη διάρκεια ο διαχειριστής έχει πλήρη εικόνα του τι καταλαβαίνει το δίκτυο του, ώστε να καθοδηγεί σωστά τη συλλογή των επόμενων δεδομένων εκπαίδευσης. |
| author2 |
Stavropoulos, Steve |
| author_facet |
Stavropoulos, Steve Σταυρόπουλος, Σταύρος |
| author |
Σταυρόπουλος, Σταύρος |
| author_sort |
Σταυρόπουλος, Σταύρος |
| title |
Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα |
| title_short |
Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα |
| title_full |
Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα |
| title_fullStr |
Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα |
| title_full_unstemmed |
Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα |
| title_sort |
συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα |
| publishDate |
2020 |
| url |
http://hdl.handle.net/10889/14123 |
| work_keys_str_mv |
AT stauropoulosstauros syneliktikaneurōnikadiktyakaiepharmogētousseanagnōrisēeikonasapokinētatēlephōna AT stauropoulosstauros convolutionalneuralnetworksandtheirapplicationinimagerecognitionfrommobilephones |
| _version_ |
1771297244764438528 |
