ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Собственные публикации и доклады

  1. Визуальный контроль присутствия студентов в аудитории на основе глубокой нейронной сети

    Авторы: А.А. Суханов, Н.М. Ткачев, О.И. Федяев

    Описание: В статье рассмотрена задача автоматизации учёта присутствия студентов на занятии в аудитории. Cвёрточная нейронная сеть модели VGGFace формирует признаки лица человека. Идентификация личности происходит по сходству признаков лиц. Программная версия системы реализована с использованием библиотек Kerasи OpenCV.

    Источник: Программная инженерия: методы и технологии разработки информационно-вычислительных систем (ПИИВС-2022): Сборник материалов IV Международной научно-практической конференции, Донецк, 29–30 ноября 2022 года. Том 1. – Донецк: Донецкий национальный технический университет, 2022. – С. 111-115.

  2. Image and face recognition based on deep neural networks

    Авторы:Sukhanov A.A., Fedyaev O.I., Kaverina O.G

    Описание: В докладе рассматривается процесс распознавания лиц. Изучены и рассмотрены нейронные сети, приведены примеры искусственного интеллекта и использования систем распознавания лиц и изображений.

    Источник: Young scientists’ researches and achievements in science. Научные исследования и достижения молодых ученых: материалы научно-практической конференции для молодых ученых Донецк, 20 апреля 2023 года / под общей редакцией Е.Н. Кушниренко. – Донецк: ДонНТУ, 2023. – С. 310 -318.

  3. Особенности технологии глубокого обучения свёрточной нейронной сети на распознавание образов

    Авторы:А.А. Суханов, О.И. Федяев

    Описание: В данной статье представлена и проанализирована архитектура свёрточной нейронной сети, ориентированная на распознавание образов. Рассмотрен алгоритм глубокого обучений этого класса нейронных сетей. Приведен пример, который показывает, как архитектура свёрточной нейросети позволяет путём послойного анализа изображений выделить характерные черты распознаваемых объекта и осуществить его идентификацию.

    Источник: Информатика, управляющие системы, математическое и компьютерное моделирование – 2023 (ИУСМКМ-2023). – Донецк: ДонНТУ, 2023.

  4. Оценка качества распознавания лиц людей искусственной нейронной сетью VGGFace

    Авторы:А.А. Суханов, О.И. Федяев

    Описание: В данной статье предложена схема видеорегистрации студентов при входе в аудиторию с помощью компьютерного зрения. Признаки лица человека формируются предобученной свёрточной нейронной сетью VGGFace. Выполнена оценка качества распознавания людей нейросетью VGGFace путём проведения ряда экспериментов по распознаванию лиц в условиях разного вида помех.

    Источник: VIII Всероссийская научно-техническая конференция «Современные информационные технологии в образовании и научных исследованиях СИТОНИ-2023» — Донецк: ДонНТУ, 2023.

  5. Психологические особенности и проблемы современного студенчества

    Авторы:А. А. Суханов, Т.А.Перевознюк

    Описание: В данной статье описаны психологические особенности и проблемы современного студенчества.

    Источник: Cтуденческая научная конференция Молодежь в поисках будущего. Психолого-педагогический, лингвистический и инженерно-исследовательский аспекст. - Донецк: Донецкий Национальный Технический Университет, 2023.

    6. Тематические статьи

  6. Системы обнаружения распознавания лиц, основанные на различных архитектурах нейронных сетей: анализ и сравнение технологий

    Авторы: И. Л. Гринин, С. В. Кравченко

    Описание: В данной статье авторами исследуются структуры и принципы работы методов обнаружения, распознавания и выравнивания лиц.Методологиями исследования стали сравнительный анализ популярных нейросетевых технологий обработки изображений, а также пошаговый разбор анализ на примере таких моделей. Были разобраны принципы работы технологий распознавания, обнаружения и выравнивания лиц, основанных на нейронных сетях и технологий, работающих без участия нейронных сетей, в том числе работающих на адаптивных графах и собственных векторах.

    Источник: Инновации и инвестиции, №6. 2021. ст. 130 - 133, https://cyberleninka.ru/article/...

  7. Решение задач распознавания лиц и мимики с помощью сверточных нейронных сетей

    Авторы: Д. В. Плотников, Е. А. Сопов

    Описание: В данной статье проведено экспериментальное исследование эффективности работы сверточных нейронных сетей при решении задач распознавания лица и мимики человека.

    Источник: Решетневские чтения. №21-2. 2017. ст. 234 - 236, https://cyberleninka.ru/article/...

  8. Эвристические алгоритмы обучения сверточных нейронных сетей в рамках технологии распознавания лиц

    Автор: Ф. С. Булыга

    Описание: В данной статье рассматриваются различные подходы к обучению сверточных нейронных сетей, в частности эвристические алгоритмы обучения. Также в статье приведены результаты исследования, связанного с выявлением наиболее быстрого алгоритма обучения сверточной нейронной сети при решении прикладных задач обнаружения лиц.

    Источник: StudNet. №5 2021., https://cyberleninka.ru/article/...

  9. Использование технологии сверточных нейронных сетей в сегментации объектов изображения

    Авторы: Д. Ю. Клехо, Е. Б. Карелина, Ю. П. Батырев

    Описание: В данной статье приведена классификация и описание задач, решаемых с помощью технологий компьютерного зрения. Более подробно рассмотрено применение нейронных сетей для создания систем выделения конкретных объектов в потоке изображений. Также даны пояснения, что понимается под обучением нейронной сети и подробно рассмотрены основные этапы машинного обучения.

    Источник: Вестник МГУЛ – Лесной вестник. №1 2021. ст. 140 - 145, https://cyberleninka.ru/article/...

    10. Переводы статей

  10. Deep Neural Network for Human Face Recognition

    Авторы:Dr. Priya Guptaa, Nidhi Saxenaa, Meetika Sharmaa, Jagriti Tripathia

    Автор перевода:А. А. Суханов

    Описание: В данной статье предлагается новый способ использования глубоких нейронных сетей для распознавания лиц. В этом подходе вместо исходных значений пикселей на вход подаются только извлеченные черты лица, это снижает сложность и при этом обеспечивает точность 97,05 % на наборе данных лиц Йеля.

    Источник (англ.): International Journal of Engineering and Manufacturing. – 2018. – Vol. 8, No. 1. – P. 63 - 71, https://elibrary.ru/...