Μονάδα:
Κατεύθυνση Ηλεκτρονικός Αυτοματισμός (H/A)Βιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2021-11-18
Συγγραφέας:
Τζιώλος Φίλιππος
Στοιχεία επιβλεπόντων καθηγητών:
Διονύσιος Ρεΐσης, Καθηγητής
Πρωτότυπος Τίτλος:
A comparative analysis of fully convolutional neural networks for cloud image segmentation
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Συγκριτική ανάλυση πλήρως συνελικτικών δικτύων για αναγνώριση νεφών
Περίληψη:
Η παρούσα διπλωματική εργασία έχει ως στόχο τη μελέτη και σύγκριση διαφόρων πλήρως συνελικτικών νευρωνικών δικτύων που προορίζονται για αναγνώριση νεφών από εικόνες ουρανού σε επίπεδο εικονοκυττάρου. Συγκεκριμένα, τα δίκτυα αυτά αξιολογούνται σε εικόνες νεφών από τη βάση δεδομένων SWIMSEG της Σιγκαπούρης μέσω των μετρικών: F1 score, Intersection over Union, Precision, Recall, Specificity και Accuracy. Αρχικά, παρουσιάζονται πέντε νέες παραλλαγές της αρχιτεκτονικής Unet, οι οποίες συγκρίνονται σε πέντε σύνολα εικόνων προπόνησης/επιβεβαίωσης/τεστ διαφορετικής αναλογίας, με σκοπό την εξέταση της επίδοσης τους και τον καθορισμό της βέλτιστης αναλογίας εικόνων. Ακολούθως, η έρευνα επεκτείνεται στην εύρεση του καταλληλότερου αλγορίθμου βελτιστοποίησης και της ευνοϊκότερης συνάρτησης κόστους. Τέλος, διερευνάται η τεχνική της μεταφοράς γνώσης για αναγνώριση νεφών από δίκτυα ήδη προπονημένα στο σύνολο δεδομένων ImageNet.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
Βαθιά Μάθηση, Αναγνώριση Νεφών, SWIMSEG Δεδομένα, Μεταφορά Γνώσης, Πλήρως Συνελικτικά Νευρωνικά Δίκτυα
Αρ. σελίδων ευρετηρίου:
8
Αρ. βιβλιογραφικών αναφορών:
56
