Ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης
| Κύριος συγγραφέας: | |
|---|---|
| Μορφή: | Μεταπτυχιακή εργασία |
| Γλώσσα: | English |
| Έκδοση: |
Α.Ε.Ι. Πειραιά Τ.Τ.
2019
|
| Θέματα: | |
| Διαθέσιμο Online: | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5584 |
| _version_ | 1780278402040725504 |
|---|---|
| abstract | In the scope of this thesis, Machine Learning technologies are studied upon, as well together with hardware and software frameworks that support each technology. The practical goal is to make an automated graffiti tag detection application, with which, the user can use a smartphone to detect graffiti tags in real-time through the use of the device’s camera. The development of such application involves effort in creating a large dataset containing images with graffiti tags taken in different environments, as well as annotating each image with bounding boxes indicating the location and size of each tag. The dataset is adapted to the requirements of the software framework used. Various machine learning techniques are used, such as transfer learning to minimize training time and improve accuracy, of the detection system in order to attempt to get the best experience possible from it. |
| abstracttranslated | Στο πλαίσιο αυτής της εργασίας, διερευνώνται και μελετώνται οι τεχνολογίες Μηχανικής Μάθησης, καθώς και τα πακέτα λογικσμικού και υλικού που υποστηρίζουν την κάθε τεχνολογία. Στόχος ειναι να φτιαχτεί μια εφαρμογή αυτόματης ανίχνευσης ταγκιών (graffiti), με την οποία ο χρήστης μπορεί με ένα κινητό τηλέφωνο να ανισχεύση ταγκιές σε πραγματικό χρόνο μέσω της χρήσης της κάμερας της συσκευής. Η ανάπτυξη μιας τέτοιας εφαρμογής εμπλέκει την δημιουργία ενός μεγάλου συνόλου δεδομένων, το οποίο εμπεριέχει εικόνες με ταγκιές τραβηγμένες σε μια πληθώρα συνηθηκών, όπως επίσης την καταγραφή σε κάθε εικόνα των κουτιών οριοθέτησης ως ένδειξη της θέσης και του μεγέθους της κάθε ταγκιάς. Το σύνολο δεδομένων προσαρμόζεται ανάλογα με τις απαιτήσεις των χρησιμοποιούμενου πακέτου λογισμικού. Διάφορες τεχνικές μηχανικής μάθησης χρησιμοποιούνται, όπως μεταφορά μάθησης για την ελαχιστοποίηση του χρόνου εκμάθησης και την βελτιστοποίηση της αποτελεσματικότητας, του συστήματος ανίχνευσης με επιδίωξη της καλύτερης δυνατής εμπειρίας που μπορεί να παρέχει αυτό. |
| advisor | |
| author | Τζιταμίδης, Αλέξανδρος |
| author_facet | Τζιταμίδης, Αλέξανδρος |
| author_sort | Τζιταμίδης, Αλέξανδρος |
| collection | Okeanis Institutional Repository |
| format | Μεταπτυχιακή εργασία |
| id | okeanis-123456789-5584 |
| institution | University of West Attica Campus II |
| keyword | Ανίχνευση αντικειμένων Βαθιά μάθηση Μηχανική μάθηση Ταγκιές Μεταφορά μάθησης Graffiti tags Deep learning Machine learning Object detection Transfer learning Επεξεργασία εικόνας Τεχνητή νοημοσύνη Νευρωνικά δίκτυα |
| language | English |
| physical | 78 |
| publishDate | 2019 |
| publisher | Α.Ε.Ι. Πειραιά Τ.Τ. |
| record_format | dspace |
| spelling | okeanis-123456789-55842021-11-29T14:14:25Z Ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης Implementing an automated graffiti detection system utilizing deep learning algorithms Τζιταμίδης, Αλέξανδρος Πατρικάκης, Χαράλαμπος TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη Ανίχνευση αντικειμένων Βαθιά μάθηση Μηχανική μάθηση Ταγκιές Μεταφορά μάθησης Graffiti tags Deep learning Machine learning Object detection Transfer learning Επεξεργασία εικόνας Τεχνητή νοημοσύνη Νευρωνικά δίκτυα In the scope of this thesis, Machine Learning technologies are studied upon, as well together with hardware and software frameworks that support each technology. The practical goal is to make an automated graffiti tag detection application, with which, the user can use a smartphone to detect graffiti tags in real-time through the use of the device’s camera. The development of such application involves effort in creating a large dataset containing images with graffiti tags taken in different environments, as well as annotating each image with bounding boxes indicating the location and size of each tag. The dataset is adapted to the requirements of the software framework used. Various machine learning techniques are used, such as transfer learning to minimize training time and improve accuracy, of the detection system in order to attempt to get the best experience possible from it. Στο πλαίσιο αυτής της εργασίας, διερευνώνται και μελετώνται οι τεχνολογίες Μηχανικής Μάθησης, καθώς και τα πακέτα λογικσμικού και υλικού που υποστηρίζουν την κάθε τεχνολογία. Στόχος ειναι να φτιαχτεί μια εφαρμογή αυτόματης ανίχνευσης ταγκιών (graffiti), με την οποία ο χρήστης μπορεί με ένα κινητό τηλέφωνο να ανισχεύση ταγκιές σε πραγματικό χρόνο μέσω της χρήσης της κάμερας της συσκευής. Η ανάπτυξη μιας τέτοιας εφαρμογής εμπλέκει την δημιουργία ενός μεγάλου συνόλου δεδομένων, το οποίο εμπεριέχει εικόνες με ταγκιές τραβηγμένες σε μια πληθώρα συνηθηκών, όπως επίσης την καταγραφή σε κάθε εικόνα των κουτιών οριοθέτησης ως ένδειξη της θέσης και του μεγέθους της κάθε ταγκιάς. Το σύνολο δεδομένων προσαρμόζεται ανάλογα με τις απαιτήσεις των χρησιμοποιούμενου πακέτου λογισμικού. Διάφορες τεχνικές μηχανικής μάθησης χρησιμοποιούνται, όπως μεταφορά μάθησης για την ελαχιστοποίηση του χρόνου εκμάθησης και την βελτιστοποίηση της αποτελεσματικότητας, του συστήματος ανίχνευσης με επιδίωξη της καλύτερης δυνατής εμπειρίας που μπορεί να παρέχει αυτό. 2019-09 Μεταπτυχιακή εργασία http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5584 en http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα Α.Ε.Ι. Πειραιά Τ.Τ. 78 http://okeanis.lib2.uniwa.gr/xmlui/bitstream/123456789/5584/4/MSC_IES_%ce%a4%ce%b6%ce%b9%cf%84%ce%b1%ce%bc%ce%af%ce%b4%ce%b7%cf%82_%ce%91%ce%bb%ce%ad%ce%be%ce%b1%ce%bd%ce%b4%cf%81%ce%bf%cf%82_IES-0047_MSc_Thesis_2019.pdf.jpg |
| spellingShingle | TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη Τζιταμίδης, Αλέξανδρος Ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης |
| title | Ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης |
| title_full | Ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης |
| title_fullStr | Ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης |
| title_full_unstemmed | Ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης |
| title_short | Ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης |
| title_sort | ανάπτυξη συστήματος αυτόματης αναγνώρισης graffiti χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης |
| title_translated | Implementing an automated graffiti detection system utilizing deep learning algorithms |
| topic | TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη |
| url | http://okeanis.lib2.uniwa.gr/xmlui/handle/123456789/5584 |