Το επιστημονικό πεδίο της μηχανικής όρασης είναι ένας τομέας που διαρκώς εξελίσσεται και
προσπαθεί να καλύψει τόσο τις νέες ανάγκες που προκύπτουν στη βιομηχανική παραγωγή
όσο και υπάρχουσες ανάγκες που αναζητούν επίλυση ή βελτίωση. Η συγκεκριμένη εργασία
εστιάζει στο κομμάτι της αναγνώρισης αντικειμένων σε εικόνες και βίντεο. Η εργασία
αποτελείται από δύο στάδια. Στο πρώτο στάδιο, καταγράφονται μερικές από τις πιο
διαδεδομένες μεθόδους αναγνώρισης αντικειμένων είτε αυτές προέρχονται από τον τομέα
της μηχανικής είτε της βαθιάς μάθησης. Στο πλαίσιο αυτό πέρα, από την περιγραφή των
υπαρχουσών μεθοδολογιών και τη σύγκρισή τους, δίνεται μια γενική εισαγωγή στη θεωρία
της μηχανικής και της βαθιάς μάθησης. Στο δεύτερο στάδιο και αφού έχει εξαχθεί η
απαραίτητη γνώση από τη μελέτη της βιβλιογραφίας, γίνεται μια προσπάθεια υλοποίησης
ενός αλγορίθμου αναγνώρισης αντικειμενικών. Ο αλγόριθμος αναπτύχθηκε για κινητή
συσκευή που βασίζεται σε λειτουργικό σύστημα Android και αναγνωρίζει αντικείμενα
καθημερινής χρήση σε πραγματικό χρόνο χρησιμοποιώντας την κάμερα της συσκευής.
The scientific field of Computer Vision is an ever evolving sector which aspires to cover not
only innovative use cases that come up in the industry but also existing challenges which
require new solutions or improvements. This thesis focuses on Object Recognition in images
and video. The work consists of two parts. In the first part of the thesis the state of the art in
Object Recognition is presented, with methods pertaining both to Machine and Deep
Learning. In this context and alongside the description and comparison of the existing
methods, a general introduction in the theory of Machine and Deep Learning is given. In the
second part, having extracted the relevant insights from the existing literature, an effort is
made to implement an object recognition algorithm. The latter has been developed for
Android mobile devices and is able to recognise, in real-time, objects of daily use through the
camera of the device.
Αλγόριθμοι μηχανικής και βαθιάς μάθησης για την ανίχνευση αντικειμένων Περιγραφή: ALEXIS_PAPADOPOULOS_THESIS_355_KAMEAS.pdf (pdf)
Book Reader Άδεια: Αναφορά Δημιουργού 4.0 Διεθνές Πληροφορίες: Κυρίως σώμα διπλωματικής Μέγεθος: 2.8 MB
Αλγόριθμοι μηχανικής και βαθιάς μάθησης για την ανίχνευση αντικειμένων - Identifier: 71662
Internal display of the 71662 entity interconnections (Node labels correspond to identifiers)