Личный кабинет

Дипломная работаИнформационные технологии

Готовая работа №141762 от пользователя Кравцов Леонид

Анализ применения программного обеспечения нейронной сети для распознавания изображения

Name: Анализ применения программного обеспечения нейронной сети для распознавания изображения
Price: 1520.00 RUB

1 520 ₽

Файл с работой можно будет скачать в личном кабинете после покупки

Страниц: 62

Год написания: 2025

Кравцов Леонид

Сообщить о нарушении авторских прав

Гарантия безопасной покупки

Уникальность текста выше 50%

Возможность снять с продажи

Не подходит эта работа?

Укажите тему работы или свой e-mail, мы отправим подборку похожих работ

содержание

Введение 2
1. Общие сведения о нейронных сетях 4
1.1 Структура нейронной сети 4
1.2 Мультимодальные нейронные сети и модель CLIP 7
1.3 Виды функций активации 12
1.4 Методы обучения 17
1.5 Вывод по разделу 19
2. Разработка программы 21
2.1 Постановка задачи 21
2.2 Установка библиотек 21
2.3 Импорт библиотек 22
2.4 Разделение данных на тренировочный и валидационный наборы 22
2.5 Пользовательский класс 23
2.6 Текстовое описание классов 24
2.7 Загрузка модели CLIP и инициализация компонентов 26
2.8 Обучение модели 27
2.9 Сохранение модели и эмбеддингов 31
2.10 Функция распознавания 32
2.11 Визуализация результатов 33
2.12 Анализ и классификация признаков. 34
2.13 Визуализация признаков (t-SNE) 35
2.14 Построение классификаторов 36
2.15 Вывод по разделу 36
3. Анализ эффективности модели распознавания 38
3.1 Постановка задачи 38
3.2 Результаты распознавания изображений 38
3.3 Визуализация признаков (t-SNE) 42
3.4 Анализ классификации (LDA и SVM) 44
3.5 Вывод по разделу 45
4. Безопасность жизнедеятельности 46
4.1 Постановка задачи 46
4.2 Характеристика условий труда специалиста 46
4.3 Требования к организации рабочего места 48
4.4 Обеспечение оптимальных условий труда 50
4.5 Пожарная безопасность 52
4.6 Вывод по разделу 54
Заключение 56
Список литературы 57

Весь текст будет доступен после покупки

Показать еще текст

ВВЕДЕНИЕ

Ключевой сферой компьютерного зрения, находящей свое применение во многих сферах, включая медицину, военное дело, автомобильную промышлен-ность, робототехнику и многие другие, является распознавание изображений. При этом, задача распознавания объектов на изображениях является достаточной трудной из-за сложности и разнообразия изображений, которые необходимо отработать.
До того, как нейронные сети получили широкое распространение, распознавание объектов на изображениях выполнялось с помощью различных алгоритмов компьютерного зрения, которые были основаны на извлечении определенных признаков из изображения. Однако, данные методы имели свои недостатки и ограничения: невозможность обработки больших объемов данных, сложность в анализе изображений с различным контекстом и слабая возможность к обнаружению неизвестных объектов.
Внедрение нейронных сетей в область распознавания изображений позво-лило значительно повысить точность и универсальность моделей. Современные нейросети, такие как свёрточные нейронные сети (CNN), рекуррентные нейрон-ные сети (Recurrent Neural Networks, RNN), глубокие нейронные сети (Deep Neu-ral Networks, DNN) и мультимодальные нейронные сети (Multimodal Neural Net-work, MNN), способны автоматически извлекать сложные признаки из изображений и адаптироваться к различным условиям съёмки. При этом одним из наиболее перспективных направлений является использование мультимодальных моделей, которые объединяют визуальную и текстовую информацию для более глубокого понимания содержимого изображений.

Весь текст будет доступен после покупки

Показать еще текст

отрывок из работы

1. Общие сведения о нейронных сетях

1.1 Структура нейронной сети

Нейронные сети ? это математические модели, созданные для обработки информации, которые являются аналогом структуры и функций нервной системы живых организмов, состоящие из нейронов, взаимосвязанных между собой и выполняющие функцию обработки данных. В данном случае, основу представляют нейроны, моделирующие функциональные элементы нервной системы. После принятия входных сигналов, нейрон обрабатывает их и выдает выходной сигнал. При этом каждый входной сигнал должен быть соответственно умножен на весовой коэффициент, определяющий важность данного сигнала для выходного. После, сумма произведений входных сигналов и их весовых коэффициентов подается на функцию активации, определяющую выходной сигнал нейрона [1].
Функция активации склонна иметь различные формы, такие как: сигмои-дальную или гиперболический тангенс. Они применяются для ограничения значения выходного сигнала нейрона в определенном диапазоне и уменьшения влияния выбросов во входных данных.
Нейроны объединяются в слои, а те в свою очередь, могут быть как скры-тыми, так и выходными. Скрытые слои, обрабатывающие данные между входным и выходным слоями, и являются ключевой особенностью нейронных сетей. Количество скрытых слоев и количество нейронов в каждом слое зависят от конкретной задачи (рисунок 1.1).

Весь текст будет доступен после покупки

Показать еще текст

Список литературы

1. Архитектура нейронной сети [Электронный ресурс]. – Режим доступа: https://habr.com/ru/articles/312450 (дата обращения: 10.02.2025)
2. Мультимодальные нейронные сети [Электронный ресурс]. – Режим доступа: https://www.geeksforgeeks.org/exploring-multimodal-large-language-models/ (дата обращения: 15.02.2025)
3. Модель CLIP [Электронный ресурс]. – Режим доступа: https://habr.com/ru/articles/539312/ (дата обращения 25.02.20254)
4. Практики реализации нейронных сетей [Электронный ресурс]. – Режим доступа: https://neerc.ifmo.ru/wiki/index.php?title=Практики_реализации_нейронных_сетей (дата обращения: 25.02.2025)
5. Функция активации GELU [Электронный ресурс]. – Режим доступа: https://alaaalatif.github.io/2019-04-11-gelu/ (дата обращения 18.02.2025)
6. Алгоритмы обучения нейронной сети: [Электронный ресурс]. – Режим доступа: https://gb.ru/blog/algoritmy-obucheniya-nejronnoj-seti/ (дата обращения: 24.02.2025)

Весь текст будет доступен после покупки

Показать еще текст

Купить и скачать работу

Анализ применения программного обеспечения нейронной сети для распознавания изображения

Почему студенты выбирают наш сервис?

Работаем круглосуточно

24 часа в сутки

7 дней в неделю

Гарантия

Возврат средств в случае проблем с купленной готовой работой

Мы лидеры

LeWork является лидером по количеству опубликованных материалов для студентов

не подошла эта работа?

В нашей базе 78761 курсовых работ – поможем найти подходящую

Ответы на часто задаваемые вопросы

Как оплатить заказ?

Чтобы оплатить заказ на сайте, необходимо сначала пополнить баланс на этой странице - https://lework.net/addbalance

На странице пополнения баланса у вас будет возможность выбрать способ оплаты - банковская карта, электронный кошелек или другой способ.

После пополнения баланса на сайте, необходимо перейти на страницу заказа и завершить покупку, нажав соответствующую кнопку.

Если у вас возникли проблемы при пополнении баланса на сайте или остались вопросы по оплате заказа, напишите нам на support@lework.net. Мы обязательно вам поможем!

Есть ли услуга безопасной покупки, и какой срок гарантии?

Да, покупка готовой работы на сайте происходит через "безопасную сделку". Покупатель и Продавец финансово защищены от недобросовестных пользователей. Гарантийный срок составляет 7 дней со дня покупки готовой работы. В течение этого времени покупатель имеет право подать жалобу на странице готовой работы, если купленная работа не соответствует описанию на сайте. Рассмотрение жалобы занимает от 3 до 5 рабочих дней.

Что означает возможность снять с продажи готовую работу ?

У покупателя есть возможность снять готовую работу с продажи на сайте. Например, если необходимо скрыть страницу с работой от третьих лиц на определенный срок. Тариф можно выбрать на странице готовой работы после покупки.

Как вернуть средства за некачественную работу?

Гарантийный срок составляет 7 дней со дня покупки готовой работы. В течение этого времени покупатель имеет право подать жалобу на странице готовой работы, если купленная работа не соответствует описанию на сайте. Рассмотрение жалобы занимает от 3 до 5 рабочих дней. Если администрация сайта принимает решение о возврате денежных средств, то покупатель получает уведомление в личном кабинете и на электронную почту о возврате. Средства можно потратить на покупку другой готовой работы или вывести с сайта на банковскую карту. Вывод средств можно оформить в личном кабинете, заполнив соответствущую форму.

Как связаться со службой поддержки, если возникли вопросы?

Мы с радостью ответим на ваши вопросы по электронной почте support@lework.net