Разработка автоматизированной системы классификации товаров по изображениям - Программирование, компьютеры и кибернетика дипломная работа

Главная

Программирование, компьютеры и кибернетика
Разработка автоматизированной системы классификации товаров по изображениям

Программное обеспечение для получения исходных данных для обучения нейронных сетей и классификации товаров с их помощью. Алгоритм метода обратного распространения ошибки. Методика классификации товаров: составление алгоритма, программная реализация.


посмотреть текст работы


скачать работу можно здесь


полная информация о работе


весь список подобных работ


Нужна помощь с учёбой? Наши эксперты готовы помочь!
Нажимая на кнопку, вы соглашаетесь с
политикой обработки персональных данных

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
Высшего профессионального образования
" Владимирский государственный университет
имени Александра Григорьевича и Николая Григорьевича Столетовых "
Факультета прикладной математики и физики
Специальности 010501 - прикладная математика и информатика
Разработка автоматизированной системы классификации товаров по их изображениям
Студента Богданова Ильи Дмитриевича
Руководитель работы : Павлова О .Н.
Допустить дипломную работу к защите в государственной
Заведующий кафедрой : Аракелян С . М .
В данной работе разработана автоматизированная система классификации товаров по изображениям. При разработке системы используются многослойные полносвязные нейронные сети с обучением методом обратного распространения ошибки.
Ключевой частью работы является получение достаточно объёмной базы классифицированных товаров для обучения нейронных сетей. В качестве источника исходных данных взят один из крупных интернет-аукционов (molotok.ru).
классификация товар алгоритм программный
Нейронные сети в основе системы были выбраны потому, что немаловажным аспектом работы программы является её быстродействие, далее будет осуществлено тестирование скорости работы приложения.
Тестовая конфигурация аппаратного обеспечения приведена в таблице 2.
OCZ Vertex Turbo 30Gb, 2xWD Caviar Green 1Tb Raid1
Результаты тестирования производительности будут представлены в порядке последовательного выполнения всех узлов программы: от парса категорий до непосредственной работы нейронных сетей. Всего на сайте представлено 5116 категорий, общее время парса всех категорий составляет 36-38 секунд.
На графике, изображенном на рисунке 17, представлены произвольные 11 категорий, максимальное время парса составляет 0,0204 сек, минимальное - 0,0058 сек, среднее - 0,0122 сек.
Теперь будет приведён тест производительности при парсинге товаров. Товары на сайте представлены страницами по 25 товаров на каждой странице. Максимальное время парса страницы - 2,8057 сек, минимальное - 1,6170 сек, среднее - 2,1116 сек.
На рисунке 18 изображен график, на котором представлены 50 случайных товаров и время их парсинга. Минимальное время составляет 0,0003 сек, максимальное - 0,0023 сек, среднее время - 0,0007 сек.
Время сохранения изображений на диск
На данном графике (рис. 19) представлен результат тестирования производительности сохранения 250 случайных изображений на диск. Минимальное время равно 0,0662 сек, максимальное составляет 0,3213 сек, среднее - 0,0996 сек.
Ранее упоминалось, что общее число изображений для тестирования составляет 19863. Приведём тестирование производительности на этапе подготовки образов для дальнейшего обучения нейронных сетей. Образы обрабатывались для подготовки различным нейронным сетям. Максимальное время обработки - 0,03217 сек, минимальное - 0,01103 сек, среднее - 0,02054. График, наглядно отображающий время, затраченное на обработку каждого набора изображений, представлен на рисунке 20.
Время подготовки данных для обучения нейронных сетей
После того, как данные подготовлены, можно приступить к обучению нейронных сетей.
На рисунке 21 представлен график, на котором отображено время обучения нейронных сетей. Максимальное время составляет 0, 2057 сек, минимальное - 0,1054 сек, среднее - 0,0932 сек.
После того, как обучение нейронных сетей завершено, необходимо сохранить конфигурационные файлы сетей на диск. На рисунке 22 представлено тестирование производительности при сохранении файлов на диск.
Время сохранения файлов конфигурации нейронных сетей на диск
Как видно из графиков, представленных на рисунке 22, максимальное время сохранения конфигурационного файла сети составляет 5,68 сек, минимальное - 5,52 сек, среднее - 5,60 сек.
Для классификации изображений нейронные сети должны быть проинициализированы. Далее будет представлен результат тестирования производительности на этапе инициализации нейронных сетей.
Время инициализации нейронных сетей
Из графиков, представленных на рисунке 23, видно, что максимальное время инициализации нейронной сети равно 6,12 сек, минимальное - 5,95 сек, среднее - 6,00 сек.
Последним и самым значимым в плане производительности этапом работы программы является непосредственно работа нейронных сетей.
Изучив графики с рисунка 24 можно сделать вывод, что максимальное время работы одиночной нейронной сети составляет 0,01046 сек, минимальное - 0,00860 сек, среднее - 0,00915 сек.
Из проведенной апробации видно, что время работы программы в целом невелико, а самым главным достоинством является то, что удалось достичь довольно высокой точности классификации при очень небольшом времени обучения и работы нейронных сетей. Время, которое затрачивается на извлечение данных из одной категории, может сильно отличаться, в зависимости от количества товарных позиций, представленных в данной категории, но в среднем для категорий, содержащих не более 2000 товаров, время обработки составляет 2 минуты.
Изучение принципа работы интернет-аукциона (на примере сайта molotok.ru). Способ получения информации с веб-ресурсов. Разработка программного обеспечения с целью создания исходных данных для обучения нейронных сетей и классификации товаров с их помощью. дипломная работа [2,0 M], добавлен 29.06.2012
Программная реализация алгоритма составления каталога товаров из сети электронных магазинов с выявлением одинаковых, используя сравнение по изображениям. SURF-метод в основе алгоритма: поиск особых точек на изображении и составление их дескрипторов. дипломная работа [3,1 M], добавлен 27.06.2012
Обучение нейронных сетей как мощного метода моделирования, позволяющего воспроизводить сложные зависимости. Реализация алгоритма обратного распространения ошибки на примере аппроксимации функции. Анализ алгоритма обратного распространения ошибки. реферат [654,2 K], добавлен 09.06.2014
Обучение простейшей и многослойной искусственной нейронной сети. Метод обучения перцептрона по принципу градиентного спуска по поверхности ошибки. Реализация в программном продукте NeuroPro 0.25. Использование алгоритма обратного распространения ошибки. курсовая работа [1019,5 K], добавлен 05.05.2015
Общие сведения о принципах построения нейронных сетей. Искусственные нейронные системы. Математическая модель нейрона. Классификация нейронных сетей. Правила обучения Хэбба, Розенблатта и Видроу-Хоффа. Алгоритм обратного распространения ошибки. дипломная работа [814,6 K], добавлен 29.09.2014
Рассмотрение способов применения и основных понятий нейронных сетей. Проектирование функциональной структуры автоматизированной системы построения нейросети обратного распространения ошибки, ее классов и интерфейсов. Описание периода "бета тестирования". дипломная работа [3,0 M], добавлен 02.03.2010
Создание системы предобработки данных; разработка системы классификации на базе методов и алгоритмов машинного обучения, их реализация в программной системе. Предобработка информации, инструкция пользователя, система классификации, машинный эксперимент. дипломная работа [917,1 K], добавлен 31.01.2015
Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д. PPT, PPTX и PDF-файлы представлены только в архивах. Рекомендуем скачать работу .

© 2000 — 2021



Разработка автоматизированной системы классификации товаров по изображениям дипломная работа. Программирование, компьютеры и кибернетика.
Сочинение по теме І свічки миpної не ваpта та кpаїна, що в боpотьбі її не засвітила
Эссе На Тему Студенческая Жизнь
Сочинение по теме Образ Чацкого в комедии 'Горе от ума'
Контрольная работа: Коллективный договор
Реферат: Многомерный статистический анализ
Дневник Практики План Работы
Христианизация Руси Реферат
Дипломная работа по теме Комплексный анализ товарооборота торговой организации на примере алтайского предприятия Торговый Двор "АНИКС"
Вербальная Коммуникация Эссе
Реферат: Основные показатели, определяющие качество электроэнергии
Курсовая работа: Курсач
Историческая геология
Курсовая работа по теме Технология возделывания лука
Курсовая работа: Роль та значення рухливих ігор у розвитку фізичних здібностей дошкільника з інтелектуальними порушеннями
Реферат На Тему Вклад А.Р. Лурия В Нейропсихологию
Реферат по теме Предмет товароведения
Курсовой Проект По Технологии Машиностроения
Дипломная работа по теме Повышение эффективности скважинной добычи нефти на Ватинском месторождении
Контрольная Работа На Тему Державна Соціальна Допомога
Письмо Сочинение My Neighbourhood
Факторный анализ в разработке методов принятия решений ООО "Обуховский мясокомбинат" - Менеджмент и трудовые отношения курсовая работа
Причины возникновения пожара на объектах экономики - Безопасность жизнедеятельности и охрана труда курсовая работа
Регуляція обміну речовин. Терморегуляція - Биология и естествознание реферат