Deep learning - Object detection
| dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
| dc.contributor.advisor | Filippakis, Michael | |
| dc.contributor.author | Σκεπετάρης, Κωνσταντίνος | |
| dc.contributor.author | Skepetaris, Konstantinos | |
| dc.date.accessioned | 2023-07-20T08:13:04Z | |
| dc.date.available | 2023-07-20T08:13:04Z | |
| dc.date.issued | 2022 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/15609 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/3031 | |
| dc.description.abstract | Επίλυση προβλημάτων όρασης υπολογιστή για ηλεκτρονικά έγγραφα μετατρέποντάς τα σε αρχεία κειμένου και, στη συνέχεια, χρησιμοποιώντας μεθόδους βαθιάς εκμάθησης για την κατασκευή ενός μοντέλου επεξεργασίας φυσικής γλώσσας με σκοπό την εξαγωγή χαρακτηριστικών και πληροφοριών από έγγραφα ιδίου τύπου. Περιλαμβάνει εκτενής ανάλυση στην δομή και την διαδικασία επεξεργασίας της φυσικής γλώσσας, τις αρχιτεκτονικές βαθιάς μάθησης και την χειροκίνητη εκπαίδευση ενός μοντέλου για να επιτύχει καλή ακρίβεια στην εξαγωγή συγκεκριμένων πληροφοριών από πολύ μεγάλο όγκο εγγράφων, στον επιχειρησιακό χώρο που αφορά την διαχείριση περιουσιακών στοιχείων, ακινήτων και χαρτοφυλακίων. Γίνεται προσπάθεια λεπτομερούς αναφοράς και να αναφοράς για κάθε βήμα στο πληροφοριακό σύστημα που κατασκευάζουμε στη γλώσσα python, τα πλεονεκτήματα και τα μειονεκτήματα της επένδυσης σε τέτοιου είδους μηχανές και τι επιφυλάσσει το μέλλον σε πραγματικά σενάρια σε παρόμοιες τεχνολογικές εξελίξεις. Αυτή η διατριβή είναι με βάση επιστημονικές δημοσιεύσεις, άρθρα, βιβλία και τεκμηριώσεις. | el |
| dc.format.extent | 51 | el |
| dc.language.iso | en | 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 | Deep learning - Object detection | el |
| dc.title.alternative | Βαθιά μάθηση - Εντοπισμός αντικειμένων | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | A thesis presented on solving computer vision problems for electronic documents by transforming them to text files and then using deep learning methods to build a natural language processing model for feature and information extraction for the same type of documents. An extensive analysis in the natural language process framework, the deep learning architectures, approach of manually training a model to achieve good accuracy in the results and explaining the asset management business problems regarding manipulating huge number of documents. We will try to go in details and mention every step in the information system we are building in python language, the pros and cons of investing in such machines and what the future holds in real scenarios in similar technological advancements. This thesis is based on scientific publications and articles, books and documentations. | el |
| dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
| dc.subject.keyword | Εντοπισμός αντικειμένων | el |
| dc.subject.keyword | Deep learning | el |
| dc.subject.keyword | NLP | el |
| dc.subject.keyword | Natural Language Processing | el |
| dc.subject.keyword | Επεξεργασία Φυσικής Γλώσσας | el |
| dc.subject.keyword | Machine learning | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Εικόνα σε κείμενο | el |
| dc.subject.keyword | Βαθιά μάθηση | el |
| dc.date.defense | 2023-06-08 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems
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