Выбор модели машинного обучения для задачи идентификации минералов с необработанных снимков
Аннотация
Выпускная квалификационная работа магистра 60 стр., 17 рис., 52 источника, 2 прил.
МИНЕРАЛЫ, НЕОБРАБОТАННЫЕ МИНЕРАЛЫ, КЛАССИФИКАЦЦИЯ МИНЕРАЛОВ, НЕОБРАБОТАННЫЕ СНИМКИ, КЛАССИФИКАЦИЯ МИНЕРАЛОВ С НЕОБРАБОТАННЫХ СНИМКОВ, MINERALS, UNPROCESSED MINERALS, MINERAL CLASSIFICATION, UNPROCESSED IMAGES, MINERAL CLASSIFICATION FROM UNPROCESSED IMAGES.
Цель работы - выбор метода для распознавания необработанных минералов на необработанных снимках. Объектом исследования являются методы распознавания минералов на необработанных снимках. Рассматриваются основные методы классификации минералов с необработанных снимков. Рассмотрены три модели машинного обучения ResNet 50, ResNet 101 и CLIP(openai/clip-vit-base-patch32). Оценена точность предсказания применяемых моделей машинного обучения.
МИНЕРАЛЫ, НЕОБРАБОТАННЫЕ МИНЕРАЛЫ, КЛАССИФИКАЦЦИЯ МИНЕРАЛОВ, НЕОБРАБОТАННЫЕ СНИМКИ, КЛАССИФИКАЦИЯ МИНЕРАЛОВ С НЕОБРАБОТАННЫХ СНИМКОВ, MINERALS, UNPROCESSED MINERALS, MINERAL CLASSIFICATION, UNPROCESSED IMAGES, MINERAL CLASSIFICATION FROM UNPROCESSED IMAGES.
Цель работы - выбор метода для распознавания необработанных минералов на необработанных снимках. Объектом исследования являются методы распознавания минералов на необработанных снимках. Рассматриваются основные методы классификации минералов с необработанных снимков. Рассмотрены три модели машинного обучения ResNet 50, ResNet 101 и CLIP(openai/clip-vit-base-patch32). Оценена точность предсказания применяемых моделей машинного обучения.