ТАВР
Заярна Ж. О. Дослідження методів розпізнавання образів у робототехнічних системах : магістерська атестаційна робота, пояснювальна записка / Ж. О. Заярна ; кер. роботи проф. Безкоровайний В.В. ; ХНУРЕ, Кафедра Технології автоматизації РЕЗ та ЕОЗ. – Харків, 2015. – 120 с. : CD
Заярна Ж. О. Дослідження методів розпізнавання образів у робототехнічних системах : магістерська атестаційна робота, пояснювальна записка / Ж. О. Заярна ; кер. роботи проф. Безкоровайний В.В. ; ХНУРЕ, Кафедра Технології автоматизації РЕЗ та ЕОЗ. – Харків, 2015. – 120 с. : CD
Статистика використання: Видач: 0
Анотація:
Объект исследования - робототехнические системы.
Предмет исследования - системы распознавания образов робототехнических систем.
Цель магистерской работы - исследование методов распознавания образов в робототехнических системах, анализ показателей их быстродействия и точности.
Методы исследования и аппаратура: для решения задачи распознавания образов используются каскадный классификатор Виолы-Джонса, гистограммы ориентированных градиентов, локальные бинарные шаблоны; предложенные методы распознавания образов реализованы на языке программирования С ++ на персональной IBM-совместимой ЭВМ (тактовая частота процессора - 1,3 ГГц, объем оперативной памяти - 1408 Мб, объем жесткого диска - 250 Гб).
Результаты научный - установлено, что: из проанализированных каскадных классификаторов дольше учится HAAR; HAAR также лучше проводит детектирования выбранных объектов; практический - разработаны алгоритмы и программное обеспечение для решения задачи обучения каскадных классификаторов и детектирования объектов.
РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫ, СИСТЕМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ, КАСКАДНЫЕ КЛАССИФИКАТОРЫ, БУСТИНГ, МАШИННОЕ ОБУЧЕНИЕ, АЛГОРИТМ, ПРОГРАММНОЕ СРЕДСТВО, С ++, OPENCV.
Об'єкт дослідження - робототехнічні системи.
Предмет дослідження - системи розпізнавання образів робототехнічних систем.
Мета магістерської роботи - дослідження методів розпізнавання образів у робототехнічних системах, аналіз показників їх швидкодії та точності.
Методи дослідження та апаратура: для розв'язання задачі розпізнавання образів використовуються каскадний класифікатор Віоли-Джонса, гістограми орієнтованих градієнтів, локальні бінарні шаблони; запропоновані методи розпізнавання образів реалізовані мовою програмування С++ на персональній IBM-сумісній ЕОМ (тактова частота процесора - 1,3 ГГц, обсяг оперативної пам'яті - 1408 Мб, обсяг жорсткого диска - 250 Гб).
Результати: науковий - встановлено, що: з проаналізованих каскадних класифікаторів найдовше навчається HAAR; HAAR також найкраще проводить детектування обраних об'єктів; практичний - розроблено алгоритми та програмне забезпечення для розв'язання задачі навчання каскадних класифікаторів та детектування об'єктів.
РОБОТОТЕХНІЧНА СИСТЕМА, СИСТЕМА РОЗПІЗНАВАННЯ ОБРАЗІВ, КАСКАДНІ КЛАСИФІКАТОРИ, БУСТИНГ, МАШИННЕ НАВЧАННЯ, АЛГОРИТМ, ПРОГРАМНИЙ ЗАСІБ, С++, OPENCV.
Object of study - robotic systems.
Subject of research - pattern recognition system robotic systems.
The purpose of the master's work - study of pattern recognition techniques in robotic systems, analysis of indicators of performance and accuracy.
Methods and apparatus, for solving pattern recognition used cascade classifier Viola-Jones histogram oriented gradients, local binary patterns; proposed methods of pattern recognition implemented in programming language C ++ on a personal IBM-compatible computer (clock speed of the processor - 1.3 GHz, RAM - 1408 MB Hard drive - 250 GB).
Results: research - found that: the analyzed cascaded classifiers trained longest HAAR; HAAR also holds the best detection of selected objects; practical - developed algorithms and software for solving cascade classifier training and detection of objects.
ROBOTIC SYSTEMS, PATTERN RECOGNITION SYSTEM, CASCADE CLASSIFIER BOOSTING, MACHINE LEARNING, ALGORITHMS, SOFTWARE TOOL, C ++, OPENCV.
Предмет исследования - системы распознавания образов робототехнических систем.
Цель магистерской работы - исследование методов распознавания образов в робототехнических системах, анализ показателей их быстродействия и точности.
Методы исследования и аппаратура: для решения задачи распознавания образов используются каскадный классификатор Виолы-Джонса, гистограммы ориентированных градиентов, локальные бинарные шаблоны; предложенные методы распознавания образов реализованы на языке программирования С ++ на персональной IBM-совместимой ЭВМ (тактовая частота процессора - 1,3 ГГц, объем оперативной памяти - 1408 Мб, объем жесткого диска - 250 Гб).
Результаты научный - установлено, что: из проанализированных каскадных классификаторов дольше учится HAAR; HAAR также лучше проводит детектирования выбранных объектов; практический - разработаны алгоритмы и программное обеспечение для решения задачи обучения каскадных классификаторов и детектирования объектов.
РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫ, СИСТЕМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ, КАСКАДНЫЕ КЛАССИФИКАТОРЫ, БУСТИНГ, МАШИННОЕ ОБУЧЕНИЕ, АЛГОРИТМ, ПРОГРАММНОЕ СРЕДСТВО, С ++, OPENCV.
Об'єкт дослідження - робототехнічні системи.
Предмет дослідження - системи розпізнавання образів робототехнічних систем.
Мета магістерської роботи - дослідження методів розпізнавання образів у робототехнічних системах, аналіз показників їх швидкодії та точності.
Методи дослідження та апаратура: для розв'язання задачі розпізнавання образів використовуються каскадний класифікатор Віоли-Джонса, гістограми орієнтованих градієнтів, локальні бінарні шаблони; запропоновані методи розпізнавання образів реалізовані мовою програмування С++ на персональній IBM-сумісній ЕОМ (тактова частота процесора - 1,3 ГГц, обсяг оперативної пам'яті - 1408 Мб, обсяг жорсткого диска - 250 Гб).
Результати: науковий - встановлено, що: з проаналізованих каскадних класифікаторів найдовше навчається HAAR; HAAR також найкраще проводить детектування обраних об'єктів; практичний - розроблено алгоритми та програмне забезпечення для розв'язання задачі навчання каскадних класифікаторів та детектування об'єктів.
РОБОТОТЕХНІЧНА СИСТЕМА, СИСТЕМА РОЗПІЗНАВАННЯ ОБРАЗІВ, КАСКАДНІ КЛАСИФІКАТОРИ, БУСТИНГ, МАШИННЕ НАВЧАННЯ, АЛГОРИТМ, ПРОГРАМНИЙ ЗАСІБ, С++, OPENCV.
Object of study - robotic systems.
Subject of research - pattern recognition system robotic systems.
The purpose of the master's work - study of pattern recognition techniques in robotic systems, analysis of indicators of performance and accuracy.
Methods and apparatus, for solving pattern recognition used cascade classifier Viola-Jones histogram oriented gradients, local binary patterns; proposed methods of pattern recognition implemented in programming language C ++ on a personal IBM-compatible computer (clock speed of the processor - 1.3 GHz, RAM - 1408 MB Hard drive - 250 GB).
Results: research - found that: the analyzed cascaded classifiers trained longest HAAR; HAAR also holds the best detection of selected objects; practical - developed algorithms and software for solving cascade classifier training and detection of objects.
ROBOTIC SYSTEMS, PATTERN RECOGNITION SYSTEM, CASCADE CLASSIFIER BOOSTING, MACHINE LEARNING, ALGORITHMS, SOFTWARE TOOL, C ++, OPENCV.