Μηχανική εκμάθηση αναγνώρισης προσώπου με προεπεξεργασία ανάλυσης δεδομένων ροής
| dc.contributor.advisor | Σακκόπουλος, Ευάγγελος | |
| dc.contributor.author | Κοντόπουλος, Νικόλαος | |
| dc.date.accessioned | 2025-07-23T05:50:19Z | |
| dc.date.available | 2025-07-23T05:50:19Z | |
| dc.date.issued | 2025 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/18005 | |
| dc.description.abstract | Η παρούσα πτυχιακή εργασία επικεντρώνεται στην ανάπτυξη ενός συστήματος αναγνώρισης προσώπου με τη χρήση τεχνικών μηχανικής μάθησης, με σκοπό την αυτόματη καταγραφή παρουσιών σε πραγματικό χρόνο. Η τεχνολογία αξιοποιεί σύγχρονους αλγορίθμους βαθιάς μάθησης για την ανίχνευση και ταυτοποίηση ατόμων, προσφέροντας μια γρήγορη, αξιόπιστη και μη παρεμβατική λύση για περιβάλλοντα όπως σχολικές αίθουσες, πανεπιστήμια ή επαγγελματικοί χώροι. Η ανάγκη για αποτελεσματικές και ακριβείς μεθόδους αναγνώρισης προσώπων είναι σήμερα πιο επίκαιρη από ποτέ, τόσο για λόγους ασφάλειας όσο και για τη διευκόλυνση της καθημερινής διαχείρισης ανθρώπινου δυναμικού. Το σύστημα που αναπτύχθηκε αποσκοπεί στο να καλύψει αυτό το κενό, συνδυάζοντας την καινοτομία της τεχνητής νοημοσύνης με την πρακτικότητα της αυτόματης παρουσιολογίας. | el |
| dc.format.extent | 41 | 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 | Μηχανική εκμάθηση αναγνώρισης προσώπου με προεπεξεργασία ανάλυσης δεδομένων ροής | el |
| dc.title.alternative | Machine learning based identification with stream preprocessing | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This undergraduate thesis focuses on the development of a facial recognition system using machine learning techniques, aiming at the automatic recording of attendance in real time. The system leverages modern deep learning algorithms to detect and identify individuals, providing a fast, reliable, and non-intrusive solution for environments such as classrooms, universities, or workplaces. The need for accurate and efficient face recognition methods is more relevant than ever, both for security purposes and for simplifying daily human resource management. The proposed system seeks to address this need by combining the innovation of artificial intelligence with the practicality of automated attendance tracking. | el |
| dc.subject.keyword | Αναγνώριση προσώπου | el |
| dc.subject.keyword | Python | el |
| dc.subject.keyword | OpenCV | el |
| dc.subject.keyword | KNN | el |
| dc.subject.keyword | FLASK | el |
| dc.date.defense | 2025-06-30 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
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