Maskēšanas rakstu noteikšana attēlos
Author
Vanags, Edijs Ronalds
Co-author
Latvijas Universitāte. Datorikas fakultāte
Advisor
Paikens, Pēteris
Date
2020Metadata
Show full item recordAbstract
Pēdējo gadu laikā stipra uzmanība tiek veltīta datorredzei un tās pielietojumiem, lai risinātu gan globālas, gan lokālas problēmas pasaulē. Datorredzi pielieto gan sejas atpazīšanai tālruņos, auto numura zīmju nolasīšanā, gan arī, piemēram, satelītattēlu apstrādei. Bakalaura darbā tiek apskatīti literatūras avoti gan par ierastiem neironu tīkliem, gan konvolūciju neironu tīkliem, uz kuriem tiek balstīta datorredze, apskatīta neironu tīklu attīstība, salīdzināti dažādi populārākie konvolūciju neironu tīklu veidi. Bakalaura darbā veikta arī praktiskā daļa ar konvolūciju neironu tīkla izstrādi, datu kopas izstrādi ar Latvijas Armijas publiski pieejamajiem attēliem, un konvolūciju tīkla darbināšanu maskēšanās rakstu atrašanai attēlos, veikts salīdzinājums ar līdzīgu pētījumu, kas publicēts 2019. gadā. Praktiskās daļās beigās veikti secinājumi un minēti ieteikumi izmantotā neironu tīkla veida modifikācijām, kā arī minēti iespējamie cēloņi specifiskai konvolūciju tīkla uzvedībai. In the last few years strong attention is paid to uses of computer vision to deal with global and local problems. Computer vision is being used for face recognition in mobile devices, car registration plate recognition, and also for example satellite image processing. In this thesis sources about neural network, convolutional neural networks, on which computer vision is based, operation of neural networks are reviewed and few of the most popular convolutional neural networks are reviewed. Practical work has been done with convolutional neural networks – a convolutional neural network has been created, a dataset with publicly available Latvian National Armed Force pictures was made, to detect camouflage patterns in images. A comparison was made with a similar paper published in 2019. At the end of the practical part, conclusions and suggestions for modifications of the used neural network are given, possible causes of specific convolutional neural network characteristics are mentioned.