Выпускная квалификационная работа бакалавра Разработка системы определения вида дерева по фотографии листа
Цель и назначение системы
Концепция работы системы
Обработка изображения
Классификация
Слой свертки
Слой подвыборки
Выбор структуры
Выбор размера ядер свертки
Выбор количества фильтров
Итоговая структура нейронной сети
Работа системы
Выпускная квалификационная работа бакалавра Разработка системы определения вида дерева по фотографии листа
1.57M
Category: softwaresoftware

Разработка системы определения вида дерева по фотографии листа

1. Выпускная квалификационная работа бакалавра Разработка системы определения вида дерева по фотографии листа

Ижевский государственный технический
университет
имени М.Т. Калашникова
Выпускная квалификационная работа бакалавра
Разработка системы определения вида дерева по
фотографии листа
Руководитель:
к.т.н., доцент Марков Евгений Михайлович
Выполнил: студент группы Б08-781-1 Аверин Дмитрий Сергеевич

2. Цель и назначение системы

Целью работы является разработка системы определения вида
дерева по фотографии листа.
Назначение:
Упрощение и автоматизация определения вида дерева.
2

3. Концепция работы системы

Система принимает на входе фотографию
листа.
Выполняется обработка изображения, для
выделения формы листа.
Обработанное изображение подается на
вход нейронной сети.
На выходе получаем вероятности того, что
лист на фотографии относиться к
определенному виду дерева.
3

4. Обработка изображения

Исходное цветное изображение переводиться в оттенки серого.
Затем выполняется бинаризация.
4

5. Классификация

Для классификации применяется сверточная нейронная сеть.
Структура сверточной нейронной сети многослойная,
однонаправленная, строиться из двух видов слоев: слой свертки
(convolution) и слой субдискритизации (подвыборки,
subsampling, pooling).
5

6. Слой свертки

В сверточном слое происходит операция свертки,
заключающаяся в том, что каждый фрагмент изображения
умножается на ядро (матрицу) свертки поэлементно, и результат
суммируется и записывается в соответствующую ячейку
выходной матрицы (карты признаков)
6

7. Слой подвыборки

Слой подвыборки уменьшает размерности карт признаков на
предыдущем слое. Считается, что информация о факте наличия
признака, который ищем, важнее его местоположения. В данном
слое выбирается несколько соседних пикселей (чаще всего 2х2)
и выбирается максимальное из них значение.
7

8. Выбор структуры

№ структуры
1
Conv3-20
Conv3-20
Maxpool
Conv3-40
Conv3-40
Maxpool
Структура
Результаты
96,98%
2
Входной слой (100х100)
Conv3-20
Conv3-20
Maxpool
Conv3-40
Conv3-40
Maxpool
Conv3-80
Conv3-80
Maxpool
FC-4096
FC-2048
Выходной слой (5)
98,71%
3
Conv3-20
Conv3-20
Maxpool
Conv3-40
Conv3-40
Maxpool
Conv3-80
Conv3-80
Maxpool
Conv3-160
Conv3-160
Maxpool
98,17%
8

9. Выбор размера ядер свертки


структуры
1
Conv5-20
Conv5-40
Структура
Результаты
Conv5-80
98,71%
2
3
4
Входной слой (100х100)
Conv7-20
Conv5-20
Conv7-20
Maxpool
Conv5-40
Conv5-20
Conv7-20
Maxpool
Conv5-80
Conv7-20
Conv7-20
Maxpool
FC-4096
FC-2048
Выходной слой (5)
99,03%
96.88%
98.92%
5
Conv9-20
Conv9-20
Conv9-20
97.63%
9

10. Выбор количества фильтров

№ структуры 1
Количество
10
фильтров в
первом
каскаде
Точность
97,41%
2
20
3
30
4
40
99,03%
98,17%
97,74%
10

11. Итоговая структура нейронной сети

11

12. Работа системы

12

13. Выпускная квалификационная работа бакалавра Разработка системы определения вида дерева по фотографии листа

Ижевский государственный технический
университет
имени М.Т. Калашникова
Выпускная квалификационная работа бакалавра
Разработка системы определения вида дерева по
фотографии листа
Руководитель:
к.т.н., доцент Марков Евгений Михайлович
Выполнил: студент группы Б08-781-1 Аверин Дмитрий Сергеевич
English     Русский Rules