Реферат по теме выпускной работы
Данный реферат используется в качестве примера с разрешения его автора, магистра ДонНТУ Ткачёва Николая.
Оригинал: http://masters.donntu.ru/2018/fknt/tkachev/diss/
Содержание
- Введение
- 1. Актуальность темы
- 2. Цель и задачи исследования, планируемые результаты
- 3. Обзор исследований и разработок
- 3.1 Обзор международных источников
- 3.2 Обзор национальных источников
- 3.3 Обзор локальных источников
- 4. Основные виды глубоких нейронных сетей
- 5. Описание разрабатываемой системы
- Выводы
- Список источников
Введение
Первичной задачей индустрии информационных технологий является эффективная автоматизация как можно более широкого спектра задач, которые прежде решались лишь при участии человека. Наиболее точные и производительные механизмы автоматизации происходят в качестве результата формализации задач, однако в наше время многие актуальные задачи зачастую включают подзадачи, которые могут быть простыми (или даже тривиальными) для человека, но практически нерешаемы традиционными методами формализации. Исскусственные нейронные сети являются механизмом, работающим по принципам, схожими с работой человечекого мозга. Распознавание визуальных и аудиообразов, предсказание процессов и перевод текстов - лишь некоторые из многих задач, решаемых ИНС.
1. Актуальность темы
Формализация многих задач наподобие распознавания образов (лиц, текста, голоса и пр.) в наше время практически невозможна, поскольку на данный момент не существует сведений о высокоуровневых процессах, происходящих в человеческом мозге при их решении. При этом многие из таких задач монотонны, а объёмы данных увеличиваются с высокой скоростью, потому человеческий труд для их решения становится всё менее целесообразным. Ввиду этих факторов, методы решения, которые способны дать адекватный результат даже при отсутствии формальной структуры (а, потому, и гарантии точности) и высокой ресурсоёмкости, будут актуальны в течение долгого времени.
Глубокие нейронные сети актуальны для практического применения, поскольку в наше время существует большое количество аппаратных методов ускорения их работы - от библиотек, встроенных в драйверы потребительских видеокарт (Nvidia CUDA) до специализированных плат (тензорные процессоры от Google). Современные глубокие нейронные сети настолько производительны, что они позволяют применять сложные фильтры к данным с видеокамеры мобильного устройства в режиме реального времени (Snapchat)
2. Цель и задачи исследования, планируемые результаты
Целью работы является исследование различных архитектур глубоких нейронных сетей с дальнейшей разработкой системы видеоконтроля посешаемости студентами занятий.
Поставлены следующие задачи:
- Обзор разновидностей глубоких нейронных сетей, их возможностей и решаемых ими задач
- Рассмотрение примечательных архитектур ИНН и выбор архитектуры для разрабатываемого приложения
- Формулирование требований к системе контроля
- Реализация системы распознавания лиц
- Проектирование и реализация базы данных
- Разработка пользовательского интерфейса
Объект исследования: система нейросетевого распознавания лиц человека.
Предмет исследования: методы моделирования, методы программной инженерии, методы теории нейронных сетей.
Планиуемое практическое значение: c помощью разработанного нейроалгоритма будет построена система контроля присутствия студентов на занятиях, обладающая высокой точностью и производительностью. Программная реализация нейросетевой системы распознавания может применяться университетом либо отдельными преподавателями для учёта посещаемости студентов.
Новизна предполагается в создании системы, которая может демонстрировать адекватный прирост производительности труда преподавателя при минимальных затратах на специальное оборудование. Результатом работы является система, которая в значительной мере упрощает учёт посещаемости (как текущего занятия, так и предыдущих), а также позволяет корректировать потенциальные ошибки (как системы, так и её оператора). Производительность системы ожидается достаточно высокой для работы на бюджетных компьютерах в аудиториях университета и личных ноутбуках преподавателей.
3. Обзор исследований и разработок
3.1 Обзор международных источников
3.2 Обзор национальных источников
3.3 Обзор локальных источников
4. Основные виды глубоких нейронных сетей
5. Описание разрабатываемой системы
Выводы
В рамках проведённого исследования изучены различные архитектуры глубоких нейронных сетей, методы их построения и обучения, а также создано приложение, демонстрирующее их практическое применение.
В дальнейшем проект может быть развит в следующих направлениях:
- Исследование продвинутых моделей локализации и классификации лиц, которые позволяют оптимизировать анализ видеопотока за счёт повторного использования сведений с предыдущих кадров
- Развитие функционала и пользовательского интерфейса с целями расширения возможностей работы с базой данных и дальнейшего упрощения использования системы (например, новые наборы статистических сведений, работа с расписанием занятий, обмен данными между различными пользователями/компьютерами)
- Добавление различных сетевых возможностей (например, создание централизованной базы данных посещаемости, распределение функций распознавания между несколькими компьютерами)
При написании данного реферата магистерская работа еще не завершена. Окончательное завершение: 18 июня 2019 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.