Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/5730Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.author | Рубан, Віталій Романович | - |
| dc.date.accessioned | 2021-12-09T20:28:27Z | - |
| dc.date.available | 2021-12-09T20:28:27Z | - |
| dc.date.issued | 2021-12-09 | - |
| dc.identifier.citation | Рубан В. Р. Ідентифікація динамічних об’єктів у системах машинного зору : кваліфікаційна робота студента групи Ім-16, ступінь вищої освіти «магістр» спеціальності 014.09 Середня освіта (інформатика) / Рубан Віталій Романович ; [науковий керівник : Семеріков Сергій Олексійович] ; Міністерство освіти і науки України, Криворізький державний педагогічний університет, фізико-математичний факультет, кафедра інформатики та прикладної математики. - Кривий Ріг, 2021. - 62 с. | uk |
| dc.identifier.uri | http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/5730 | - |
| dc.description | 1. Abandoned Luggage [Electronic resource] / viso.ai. – [2021?]. – Access mode : https://viso.ai/application/abandoned-luggage-detection/ 2. Agarwal L. Face Recognition Based Smart and Robust Attendance Monitoring using Deep CNN / L. Agarwal, M. Mukim, H. Sharma, A. Bhandari, A. Mishra // 2021 8th International Conference on Computing for Sustainable Global Development (INDIACom). – 2021. – P. 699-704. – DOI : 10.1109/INDIACom51348.2021.00124. 3. Ballard D. H. Computer Vision / Dana H. Ballard, Christopher M. Brown. – Englewood Cliffs : Prentice Hall, 1982. – Access mode : https://archive.org/details/computervision0000ball 4. Bennett J. Happy, Sad, Angry Workshop [Electronic resource] / Jim Bennett. – 2020. – Access mode : https://github.com/jimbobbennett/HappySadAngryWorkshop 5. Face Recognition [Electronic resource] / viso.ai. – [2021?]. – Access mode : https://viso.ai/application/face-recognition/ 6. Facial Emotion Analysis [Electronic resource] / viso.ai. – [2021?]. – Access mode : https://viso.ai/application/emotion-analysis/ 7. Gibson J. J. The Perception of the Visual World / J. J. Gibson. – Boston : Houghton Mifflin, 1950. 8. Google Ngram Viewer [Electronic resource]. – 2021. – Access mode : https://books.google.com/ngrams/graph?content=computer+vision%2C+machine+vision&year_start=1800&year_end=2019&corpus=26&smoothing=3&direct_url=t1%3B%2Ccomputer%20vision%3B%2Cc0%3B.t1%3B%2Cmachine%20vision%3B%2Cc0#t1%3B%2Ccomputer%20vision%3B%2Cc0%3B.t1%3B%2Cmachine%20vision%3B%2Cc0 9. Grape G. R. Model Based (Intermediate-Level) Computer Vision : PhD Dissertation / Gunnar Rutger Grape. – Stanford University, 1973. – Access mode : https://apps.dtic.mil/sti/pdfs/AD0763673.pdf 10. Intrusion Detection [Electronic resource] / viso.ai. – [2021?]. – Access mode : https://viso.ai/application/intrusion-detection/ 11. Klingler N. Top 8 Applications of Computer Vision in the Education Sector [Electronic resource] / Nico Klingler. – September 7, 2021. – Access mode : https://viso.ai/applications/computer-vision-in-education/ 12. Libraries comparison [Electronic resource] / Adaptive Vision. – 2021. – Access mode : https://docs.adaptive-vision.com/avl/technical_issues/LibrariesComparison.html 13. Mask Detection: Automatically detect unmasked people in public spaces or indoors [Electronic resource] / viso.ai. – [2021?]. – Access mode : https://viso.ai/application/mask-detection/ 14. Parking Lot Occupancy [Electronic resource] / viso.ai. – [2021?]. – Access mode : https://viso.ai/application/parking-lot-occupancy-detection/ 15. Prince S. J. D. Computer Vision: Models, Learning, and Inference / Simon J. D. Prince. – Cambridge University Press, 2012. 16. Pulliam J. R. C. Increased risk of SARS-CoV-2 reinfection associated with emergence of the Omicron variant in South Africa / Juliet R. C. Pulliam, Cari van Schalkwyk, Nevashan Govender, Anne von Gottberg, Cheryl Cohen, Michelle J. Groome, Jonathan Dushoff, Koleka Mlisana, Harry Moultrie // medRxiv. – 2021. – 2021.11.11.21266068. – DOI : 10.1101/2021.11.11.21266068 17. Raj A. Smart Attendance Monitoring System with Computer Vision Using IOT / Ashwin Raj, Aparna Raj, Imteyaz Ahmad // Journal of Mobile Multimedia. – 2021. – Vol. 17(1-3). – P. 115-125. – DOI : 10.13052/jmm1550-4646.17135 18. Rezaei M. DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment in COVID-19 Pandemic / Mahdi Rezaei, Mohsen Azarmi // Applied Sciences. – 2020. – Vol. 10, no. 21. – Article 7514. – DOI : 10.3390/app10217514 19. Roberts L. G. Machine perception of three-dimensional solids : Thesis (Ph. D.) [Electronic resource] / Lawrence Gilman Roberts. – Massachusetts Institute of Technology, Dept. of Electrical Engineering, 1963. – Access mode : https://dspace.mit.edu/bitstream/handle/1721.1/11589/ 20. Shorten C. Deep Learning applications for COVID-19 / Connor Shorten, Taghi M. Khoshgoftaar, Borko Furht // Journal of Big Data. – 2021. – Vol. 8. – Artcile 18. – DOI : 10.1186/s40537-020-00392-9 21. Sivakumar S. A. IoT based Intelligent Attendance Monitoring with Face Recognition Scheme / S. A. Sivakumar, T. J. John, G. T. Selvi, B. Madhu, C. U. Shankar, K. P. Arjun // 2021 5th International Conference on Computing Methodologies and Communication (ICCMC). – 2021. – P. 349-353. – DOI : 10.1109/ICCMC51019.2021.9418264 22. Social Distancing Monitoring [Electronic resource] / viso.ai. – [2021?]. – Access mode : https://viso.ai/application/social-distancing-monitoring/ 23. Sutherland I. E. Sketchpad, a man-machine graphical communication system [Electronic resource] : submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy / Ivan Edward Sutherland ; Massachusetts Institute of Technology, Department of Electrical Engineering. – January, 1963. – 176 p. – Access mode : http://images.designworldonline.com.s3.amazonaws.com/CADhistory/Sketchpad_A_Man-Machine_Graphical_Communication_System_Jan63.pdf 24. Tkachuk V. Using Mobile ICT for Online Learning During COVID-19 Lockdown / Viktoriia Tkachuk, Yuliia Yechkalo, Serhiy Semerikov, Maria Kislova, Yana Hladyr // Information and Communication Technologies in Education, Research, and Industrial Applications. 16th International Conference, ICTERI 2020, Kharkiv, Ukraine, October 6–10, 2020, Revised Selected Papers / Editors : Andreas Bollin, Vadim Ermolayev, Heinrich C. Mayr, Mykola Nikitchenko, Aleksander Spivakovsky, Mykola Tkachuk, Vitaliy Yakovyna, Grygoriy Zholtkevych // Communications in Computer and Information Science. – Cham : Springer, 2021. – Vol. 1308. – P. 46–67. – DOI : 10.1007/978-3-030-77592-6_3. 25. Vision API Product Search pricing [Electronic resource] / Google Cloud. – 2021. – Access mode : https://cloud.google.com/vision/product-search/pricing | uk |
| dc.description.abstract | Машинний зір – галузь інформаційних технологій, що займається ідентифікацією, відслідковуванням та класифікацією об’єктів. Класичні застосування: наука, технологія, розваги – аналіз зображень, відеоспостереження, обчислювальна фотографія та ін. Основні типи об’єктів, що ідентифікуються – статичні, динамічні, а провідні методи ідентифікації – методи машинного навчання. Теорія ідентифікації статичних об’єктів є достатньо розвиненою, тому їх застосування до послідовності зображень об’єкту, що відрізняється позицією, кутом огляду, освітленням тощо, надає можливість ідентифікації динамічних об’єктів. Класичні застосування машинного зору – системи доповненої реальності, широко поширені в освіті. Проблема дослідження – нові освітні застосування систем машинного зору в умовах пандемії COVID-19: дотримання соціального дистанціювання, виявлення порушень маскового режиму, виявлення вторгнень, підозрілих об’єктів та запобігання вандалізму, аналіз емоцій здобувачів освіти, моніторинг відвідуваності. Мета дослідження – розробити прототип системи машинного зору освітнього призначення. Для досягнення мети дослідження були поставлені такі завдання: 1. Дослідити еволюцію систем машинного зору. 2. Виявити освітні застосування систем машинного зору. 3. Проаналізувати програмні засоби та бібліотеки машинного зору для ідентифікації динамічних об’єктів. 4. Розробити прототип системи машинного зору освітнього призначення. Об’єкт дослідження – системи машинного зору. Предмет дослідження – ідентифікація динамічних об’єктів у системах машинного зору. Методи дослідження: аналіз джерел із проблеми дослідження, методи інженерії програмного забезпечення для прототипування системи машинного зору освітнього призначення. | uk |
| dc.language.iso | uk | uk |
| dc.subject | машинний зір | uk |
| dc.subject | machine vision | uk |
| dc.subject | освітні застосування | uk |
| dc.title | Ідентифікація динамічних об’єктів у системах машинного зору | uk |
| dc.type | Thesis | uk |
| Розташовується у зібраннях: | Кафедра інформатики та прикладної математики (магістерські) | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| diplom.pdf | 9.66 MB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.