Analyse der wichtigsten Ansätze zur gleichzeitigen Objektlokalisierung und -klassifizierung bei tiefen neuronalen Netzwerken und Vergleich ihrer Leistungsfähigkeit an ausgewählten Beispielen
Analysis of most important techniques for object-localization and -classification in deep neural networks and comparison of their performance at selected examples
- Die vorliegende Bachelorarbeit beschäftigt sich mit Objekterkennung im Kontext des maschinellen Lernens. Analysiert werden zwei Kategorie Algorithmen R-CNN und YOLO von Objekterkennung. Mit Matlab werden der offizielle Code durchführen, um darin einiges Objekt zu erkennen. Verschiedene Algorithmen haben unterschiedlichen Prinzipien und Prozesse. Nach Läufen können sie bei viele Bereiche verglichen und bewertet worden. Die Ergebnisse zeigten die Genauigkeit usw. Im Rahmen dieser Bachelorarbeit werden 3 verschiedenen Algorithmus getestet, um der Objekterkennungsfähigkeit der drei Algorithmen für denselben Datensatz unter derselben Betriebsumgebung zu vergleichen.
Download full text files
- Bachelorarbeit_HuQiangundZhangHanyu.pdf
Additional Services
Statistics
| Author: | Hanyu Zhang, Qiang Hu |
|---|---|
| Advisor: | Alexander Lampe, Hongwei Xu |
| Document Type: | Bachelor Thesis |
| Language: | German |
| Year of Completion: | 2021 |
| Granting Institution: | Hochschule Mittweida |
| Release Date: | 2021/09/02 |
| GND Keyword: | Maschinelles Lernen; Künstliche Intelligenz; Objekterkennung |
| Note: | Printexemplar Präsenzbestand |
| Institutes: | Ingenieurwissenschaften |
| DDC classes: | 006.4 Mustererkennung, Biometrie, Objekterkennung |
| Open Access: | Innerhalb der Hochschule |
| Licence (German): |  Urheberrechtlich geschützt |
