Ανάπτυξη συστήματος ταυτοποίησης προσώπων σε ροές βίντεο με χρήση Συνελικτικών Νευρωνικών Δικτύων

Καρανίκας, Στυλιανός

dc.contributor.advisor	Πικράκης, Άγγελος
dc.contributor.author	Καρανίκας, Στυλιανός
dc.date.accessioned	2017-12-22T07:12:15Z
dc.date.available	2017-12-22T07:12:15Z
dc.date.issued	2017-10
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/10365
dc.description.abstract	Στο πλαίσιο αυτής τη μεταπτυχιακής Διατριβής, ολοκληρώθηκε η ανάπτυξη μιας εφαρμογής αναγνώρισης και ταυτοποίησης προσώπων σε αρχεία βίντεο, με την χρήση Συνελικτικών Νευρωνικών Δικτύων μέσω της βιβλιοθήκης OpenFace. Σκοπός της Διατριβής είναι η παρουσίαση μιας υλοποίησης τεχνολογιών ανοιχτού κώδικα που συναγωνίζεται παρόμοιες εφαρμογές που χρησιμοποιούνται στην σημερινή βιομηχανία, ενώ παράλληλα θα μπορεί να χρησιμοποιηθεί από συσκευές με χαμηλές δυνατότητες επεξεργαστικής ισχύος. Η εφαρμογή παρέχει ένα ολοκληρωμένο framework για την εύρεση, προεπεξεργασία, εκπαίδευση και εκτέλεση ενός ταξινομητή προσώπων χωρίς την ανάγκη χρήσης εξωτερικών εργαλείων Για το τελικό στάδιο της αναγνώρισης προσώπων χρησιμοποιήθηκε ο αλγόριθμος «Γραμμικών Μηχανών Διανυσματικής Στήριξης» ο οποίος συγκριτικά με άλλους παρουσίασε τα πιο αξιόπιστα αποτελέσματα, διατηρώντας ταυτόχρονα σε χαμηλά επίπεδα τους χρόνους πρόβλεψης.	el
dc.format.extent	98	el
dc.language.iso	el	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	Ανάπτυξη συστήματος ταυτοποίησης προσώπων σε ροές βίντεο με χρήση Συνελικτικών Νευρωνικών Δικτύων	el
dc.title.alternative	Development of a face identification system for video streams using Convolutional Neural Networks	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής	el
dc.description.abstractEN	The subject of the present Master Thesis is the development of a Face Recognition application for video files, implementing Convolutional Neural Networks through the use of the OpenFace library. The goal of this Thesis is to present an implementation of open source technologies that could provide comparable results to other state-of-the-art private face recognition systems, while being well-suited for mobile scenarios. The application that is presented, provides the user with a fully realized framework for the search, preprocessing, training and subsequent classification of faces, without the need for external tools. For the training stage of the classifier the Linear SVM algorithm was chosen, because it provided the best results compared to other algorithms while providing low prediction times.	el
dc.contributor.master	Πληροφορική	el
dc.subject.keyword	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject.keyword	Face recognition	el
dc.subject.keyword	Convolutional neural networks	el
dc.subject.keyword	OpenFace	el

Files in this item

Name:: Karanikas_Stylianos.pdf
Size:: 4.299Mb
Format:: PDF
Description:: Μεταπτυχιακή διατριβή

View/Open

This item appears in the following Collection(s)

Τμήμα Πληροφορικής
Department of Informatics

Show simple item record

Except where otherwise noted, this item's license is described as
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές