Содержание
- 2. Постановка задачи Сравнить существующие модели нейронных сетей для распознавания объектов; Выбрать наиболее оптимальную по скорости и
- 3. Распознавание объектов при помощи нейронных сетей позволяет заменить человека там, где он мало эффективен Данная технология
- 4. Плюсы TensorFlow: Адаптирован для среды разработки Google Colab Основан на Python Использует вычислительную графическую абстракцию для
- 5. Выбор модели нейронной сети Таблица характеристик моделей относительно скорости и точности УДК 004.93'1 Распознавание объектов на
- 6. Выбор модели нейронной сети Диаграмма характеристик моделей относительно точности на различных размеров изображений УДК 004.93'1 Распознавание
- 7. Архитектура модели Faster R-CNN УДК 004.93'1 Распознавание объектов на местности с помощью нейронных сетей. плакат 6,
- 8. Архитектура модели Resnet-101 УДК 004.93'1 Распознавание объектов на местности с помощью нейронных сетей. плакат 7, плакатов
- 9. Исследование Влияние настроек якоря на точность распознавание объектов УДК 004.93'1 Распознавание объектов на местности с помощью
- 10. Исследование Влияние параметра лямбда из уравнения функции потерь на точность распознавание объектов УДК 004.93'1 Распознавание объектов
- 11. Результаты работы улучшенной модели УДК 004.93'1 Распознавание объектов на местности с помощью нейронных сетей. плакат 10,
- 12. В результате исследования удалось повысить среднюю точность распознавания объектов, из этого можно сделать вывод что исходные
- 14. Скачать презентацию