dc.contributor.advisor | Κυριαζής, Δημοσθένης | |
dc.contributor.author | Αλεξάκης, Εμμανουήλ | |
dc.date.accessioned | 2019-06-18T05:24:20Z | |
dc.date.available | 2019-06-18T05:24:20Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/12026 | |
dc.description.abstract | Εκατοντάδες λουλούδια υπάρχουν στη γη, αποτελώντας αναπόσπαστο μέρος όλων των έμβιων όντων όχι μόνο από αισθητική άποψη αλλά και για την ανθρώπινη ζωή σε πολλούς τομείς όπως η ιατρική επιστήμη, η βιομηχανία και το περιβάλλον. Είναι απαραίτητο να δημιουργηθεί μια βάση δεδομένων για την τεκμηρίωση των λουλουδιών, προσδιορίζοντας έναν αποτελεσματικό τρόπο αναγνώρισης των ειδών στα οποία ανήκουν, ακόμη και από μια εφαρμογή έξυπνου τηλεφώνου. Επειδή οι αλγόριθμοι της Τεχνητής Νοημοσύνης (Νευρωνικά Δίκτυα) ενσωματώνονται ολοένα και περισσότερο στις καθημερινές εφαρμογές, η ανάπτυξη ενός τέτοιου ταξινομητή εικόνας δημιουργώντας ένα μοντέλο βαθιάς μάθησης εκπαιδευμένο σε εκατοντάδες χιλιάδες εικόνες θα οδηγούσε ως μέρος της συνολικής αρχιτεκτονικής εφαρμογών. Στη παρούσα εργασία, αναπτύχθηκε και εκπαιδεύτηκε ένας ταξινομητής εικόνας για την αναγνώριση 102 διακριτών ειδών λουλουδιών χρησιμοποιώντας μιας συγκεκριμένης κατηγορίας αλγορίθμων μηχανικής μάθησης που ονομάζονται Convolutional Neural Networks, με αποτέλεσμα πολύ καλές επιδόσεις σε μια ποικιλία πειραμάτων, επιτυγχάνοντας ακρίβεια έως και 94%. | el |
dc.format.extent | 61 | el |
dc.language.iso | en | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Data analytics algorithms for multi-dimensional datasets: an image classifier to recognize different species of flowers | el |
dc.title.alternative | Αλγόριθμοι ανάλυσης πολυδιάστατων δεδομένων | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
dc.description.abstractEN | Hundreds of flowers exist on earth, consisting an integral part of all livings not only for the aesthetic aspect but also for human life in many areas such as medical science, industry and environment. It is necessary to set up a database for flower documentation by determining an effective mean to identify the species to which they belong even from a smartphone application. As Artificial Intelligence algorithms (Neural Networks) are more and more incorporated into everyday applications, developing such an image classifier by creating a deep learning model trained on hundreds of thousands of images would drive as part of the overall application architecture. In this work, there is developed and trained an image classifier for recognizing 102 distinct species of flowers utilizing a certain type of machine learning algorithm called Convolutional Neural Networks, resulting in very good performance on a variety of experiments, achieving up to 94% accuracy. | el |
dc.contributor.master | Ψηφιακά Συστήματα και Υπηρεσίες | el |
dc.subject.keyword | Αλγόριθμοι | el |
dc.subject.keyword | Τεχνητή νοημοσύνη | el |
dc.subject.keyword | Μηχανική μάθηση | el |
dc.subject.keyword | Βαθιά μάθηση | el |
dc.subject.keyword | Algorithms | el |
dc.subject.keyword | Artificial intelligence | el |
dc.subject.keyword | Machine learning | el |
dc.subject.keyword | Deep learning | el |
dc.date.defense | 2019-05-07 | |