Βαθιά μάθηση για ανίχνευση αντικειμένων σε πραγματικό χρόνο με Raspberry Pi
| dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
| dc.contributor.author | Οικονομίδου, Ιωάννα | |
| dc.date.accessioned | 2021-07-15T07:55:37Z | |
| dc.date.available | 2021-07-15T07:55:37Z | |
| dc.date.issued | 2021-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13563 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/986 | |
| dc.description.abstract | Η ανίχνευση αντικειμένων χρησιμοποιώντας πραγματικά δεδομένα είναι μια πολύ δημοφιλής εφαρμογή στην Τεχνητή Νοημοσύνη. Με την εξέλιξη της βαθιάς μάθησης, παρατηρείται συνεχής αύξηση της απόδοσης τεχνικών ανίχνευσης αντικειμένων με την βοήθεια των νευρωνικών δικτύων τόσο ως προς την ταχύτητα όσο και ως προς την ακρίβεια. Το γεγονός αυτό καθιστά εφικτή την προσπάθεια υλοποίησης αλγορίθμων εντοπισμού αντικειμένων μέσω κάμερας ακόμα και σε πραγματικό χρόνο. Ιδιαίτερο ενδιαφέρον φαίνεται να υπάρχει στην ανάπτυξη αρχιτεκτονικών νευρωνικών δικτύων κατάλληλων για εφαρμογή σε ενσωματωμένες συσκευές. Στην παρούσα διπλωματική θα μελετηθεί ο αλγόριθμος YOLO για τον εντοπισμό αντικειμένων σε καταγεγραμμένο υλικό εικόνων και βίντεο αλλά και πραγματικό χρόνο τόσο σε υπολογιστικές συσκευές όσο και σε ενσωματωμένες, όπως το Raspberry pi. Θα πραγματοποιηθούν πειράματα με διαφορετικές εκδόσεις και αρχιτεκτονικές του YOLO για την μελέτη της ταχύτητας και της απόδοσης αυτών. | el |
| dc.format.extent | 89 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Βαθιά μάθηση για ανίχνευση αντικειμένων σε πραγματικό χρόνο με Raspberry Pi | el |
| dc.title.alternative | Deep learning for real-time object detection on Raspberry Pi | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.contributor.master | Ψηφιακός Πολιτισμός, Έξυπνες Πόλεις, IoT και Προηγμένες Ψηφιακές Τεχνολογίες | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Συνελικτικά νευρωνικά δίκτυα | el |
| dc.subject.keyword | YOLO | el |
| dc.subject.keyword | Ανίχνευση αντικειμένων | el |
| dc.subject.keyword | Raspberry Pi | el |
| dc.date.defense | 2021-07-08 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα