Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/14123
Title: Συνελικτικά νευρωνικά δίκτυα και εφαρμογή τους σε αναγνώριση εικόνας από κινητά τηλέφωνα
Other Titles: Convolutional neural networks and their application in image recognition from mobile phones
Authors: Σταυρόπουλος, Σταύρος
Keywords: Τεχνητή νοημοσύνη
Συνελικτικά νευρωνικά δίκτυα
Διαδικτυακές εφαρμογές
Keywords (translated): Artificial intelligence
Mobilenet
Mobilenetv2
Convolutional neural networks
CNN
Web applications
Tensorflow js
Abstract: Η παρούσα εργασία ασχολείται με δύο σημαντικά θέματα των συνελικτικών νευρωνικών δικτύων στην αναγνώριση εικόνας. Τη δυνατότητα πρόσβασης σε αξιόπιστη αναγνώριση εικόνας από οποιονδήποτε έχει ένα έξυπνο κινητό τηλέφωνο (“smartphone”), χρησιμοποιώντας μόνο το πρόγραμμα περιήγησης του (“web browser”) και τη δυνατότητα στοχευμένης και μαζικής συλλογής δεδομένων εκπαίδευσης. Για το ζήτημα της προσβασιμότητας, φτιάχτηκε web εφαρμογή (“web app”) στην οποία μπορεί να φορτωθεί οποιοδήποτε μοντέλο, να οριστούν οποιεσδήποτε κατηγορίες με πλήρη εικόνα και περιγραφή τους και όταν ο χρήστης δείξει κάπου με την κάμερα να γίνει αυτόματη αναγνώριση και παρουσίαση αυτών των πληροφοριών. Για το ζήτημα της μαζικής συλλογής δεδομένων εκπαίδευσης, δόθηκε η δυνατότητα στο διαχειριστή της εφαρμογής να αξιολογεί συνεχώς το μοντέλο του σύμφωνα με ότι βλέπει η κάμερα του και να καταχωρεί προς εκπαίδευση είτε συγκεκριμένα στιγμιότυπα που βλέπει εκείνη τη στιγμή, είτε καρέ σε συνεχή λήψη αυτόματα (βίντεο). Καθ’ όλη τη διάρκεια ο διαχειριστής έχει πλήρη εικόνα του τι καταλαβαίνει το δίκτυο του, ώστε να καθοδηγεί σωστά τη συλλογή των επόμενων δεδομένων εκπαίδευσης.
Abstract (translated): Present work deals with two important issues of convolutional neural networks in image recognition. The ability to access reliable image recognition by anyone who has a smartphone, using only a web browser and the ability of targeted mass collection of training data. For the issue of accessibility, a web application was created, in which any model can be loaded, any categories added with their full image and description and when the user points the camera somewhere, it automatically identifies it and presents the applicable information. For the issue of bulk training data collection, the application administrator is given the opportunity to continuously evaluate his model according to what his camera sees and capture for training either specific snapshots that he sees at that time, or frames in continuous shooting automatically (video). At all times, the administrator has a complete picture of what his network sees, in order to properly guide the collection of the next training data.
Appears in Collections:Τμήμα Μαθηματικών (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
Master Σταυρόπουλος AI Vision Web App.pdf2.82 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.