Разработка и оценка алгоритмов компьютерного зрения для автоматизированного повествования на основе последовательностей изображений
Аннотация
Выпускная квалификационная работа магистра 79 с., 26 рис., 1 табл., 59 источн., 1 прил.
РАЗРАБОТКА АЛГОРИТМОВ, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, АВТОМАТИЗИРОВАННОЕ ПОВЕСТВОВАНИЕ, ГЛУБОКОЕ ОБУЧЕНИЕ, РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ, СВЕРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА
Цель работы – разработка и оценка модели глубокого обучения для автоматизированного повествования на основе последовательностей изображений.
Методы исследования: анализ научных публикаций, анализ существующих методов и алгоритмов компьютерного зрения и автоматизированного повествования, экспериментальное тестирование, сравнительный анализ эффективности алгоритмов.
Результатом работы: разработана новая архитектура модели на основе рекуррентных нейронных сетей типа Sequence-to-Sequence (Seq2Seq), реализованы и протестированы алгоритмы на реальных данных, проведен сравнительный анализ с существующими решениями.
РАЗРАБОТКА АЛГОРИТМОВ, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, АВТОМАТИЗИРОВАННОЕ ПОВЕСТВОВАНИЕ, ГЛУБОКОЕ ОБУЧЕНИЕ, РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ, СВЕРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА
Цель работы – разработка и оценка модели глубокого обучения для автоматизированного повествования на основе последовательностей изображений.
Методы исследования: анализ научных публикаций, анализ существующих методов и алгоритмов компьютерного зрения и автоматизированного повествования, экспериментальное тестирование, сравнительный анализ эффективности алгоритмов.
Результатом работы: разработана новая архитектура модели на основе рекуррентных нейронных сетей типа Sequence-to-Sequence (Seq2Seq), реализованы и протестированы алгоритмы на реальных данных, проведен сравнительный анализ с существующими решениями.