Ανάπτυξη συστήματος εντοπισμού μικρών αντικειμένων με τεχνικές υπερ-ανάλυσης

Σαρτίνας, Σωφρόνιος

dc.contributor.advisor	Μαγκλογιάννης, Ηλίας
dc.contributor.author	Σαρτίνας, Σωφρόνιος
dc.date.accessioned	2024-11-18T06:51:29Z
dc.date.available	2024-11-18T06:51:29Z
dc.date.issued	2024-08
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/17069
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/4492
dc.description.abstract	Η εργασία επικεντρώνεται στην ανάπτυξη ενός συστήματος ανίχνευσης μικρών αντικειμένων, χρησιμοποιώντας τεχνικές υπερ-ανάλυσης (super-resolution) για την ενίσχυση της ποιότητας και της ανάλυσης των εικόνων. Στόχος είναι να βελτιωθεί η ακρίβεια της ανίχνευσης μικρών αντικειμένων, τα οποία συχνά δεν εντοπίζονται εύκολα λόγω της χαμηλής ανάλυσης και των περιορισμένων χαρακτηριστικών τους. Με την εφαρμογή προηγμένων αλγορίθμων υπερ-ανάλυσης, όπως το ESRGAN (Enhanced Super-Resolution GAN), η έρευνα αυτή αποσκοπεί στη βελτίωση της διάκρισης των λεπτομερειών στις εικόνες, επιτυγχάνοντας υψηλότερη απόδοση στα σύνολα δεδομένων ανίχνευσης αντικειμένων, ιδίως για μικρά αντικείμενα. Τα αποτελέσματα των πειραμάτων αναδεικνύουν τη σημασία των τεχνικών υπερ-ανάλυσης στην υπολογιστική όραση και ανοίγουν νέους δρόμους για εφαρμογές σε τομείς όπως η επιτήρηση και η αυτόνομη οδήγηση	el
dc.format.extent	81	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	Ανάπτυξη συστήματος εντοπισμού μικρών αντικειμένων με τεχνικές υπερ-ανάλυσης	el
dc.title.alternative	Tiny object detection using super resolution techniques	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	This thesis focuses on the development of a small object detection system using super-resolution techniques to enhance the quality and resolution of images. The aim is to improve the accuracy of detecting small objects, which are often challenging to identify due to low resolution and limited features. By applying advanced super-resolution algorithms, such as ESRGAN (Enhanced Super-Resolution GAN), this research seeks to improve detail discrimination in images, achieving higher performance on object detection datasets, especially for small objects. The experimental results highlight the significance of super-resolution techniques in computer vision and open new avenues for applications in fields such as surveillance and autonomous driving	el
dc.contributor.master	Προηγμένα Συστήματα Πληροφορικής	el
dc.subject.keyword	Object detection	el
dc.subject.keyword	Small object detection	el
dc.subject.keyword	Super-resolution	el
dc.subject.keyword	Convolutional Neural Networks (CNNs)	el
dc.subject.keyword	Generative Adversarial Networks (GANs)	el
dc.subject.keyword	ESRGAN (Enhanced Super-Resolution GAN)	el
dc.date.defense	2024-10

Αρχεία σε αυτό το τεκμήριο

Name:: Sartinas_2227.pdf
Μέγεθος:: 5.856Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα