Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://elar.urfu.ru/handle/10995/140508
Полная запись метаданных
Поле DCЗначениеЯзык
dc.contributor.advisorСысков, А. М.ru
dc.contributor.advisorSyskov, A. M.en
dc.contributor.authorАнтропова, Н. Г.ru
dc.contributor.authorAntropova, N. G.en
dc.date.accessioned2025-01-09T11:19:01Z-
dc.date.available2025-01-09T11:19:01Z-
dc.date.issued2024-
dc.identifier.citationАнтропова, Н. Г. Разработка и оценка алгоритмов компьютерного зрения для автоматизированного повествования на основе последовательностей̆ изображений : магистерская диссертация / Н. Г. Антропова ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления. — Екатеринбург, 2024. — 85 с. — Библиогр.: с. 75-81 (59 назв.).ru
dc.identifier.urihttp://elar.urfu.ru/handle/10995/140508-
dc.description.abstractЦелью данной магистерской диссертации является разработка и оценка модели глубокого обучения для автоматизированного повествования на основе последовательностей изображений. В работе рассматриваются современные методы компьютерного зрения и алгоритмы машинного обучения, которые позволяют генерировать текстовые описания на основе визуальных данных. Проведен анализ существующих подходов, разработана и настроена модель для генерации текстов, реализована и протестирована ее работа на реальных данных. Полученные результаты сравниваются с существующими решениями, что позволяет сделать выводы о преимуществе предложенной модели.ru
dc.description.abstractThe aim of this master's thesis is to develop and evaluate deep learning model for automated storytelling based on image sequences. The thesis explores modern computer vision methods and machine learning algorithms that enable the generation of textual descriptions from visual data. An analysis of existing approaches was conducted, a model for text generation was developed and configured, and its performance was implemented and tested on real data. The obtained results are compared with existing solutions, allowing conclusions to be drawn about the advantages of the proposed model.en
dc.format.mimetypeapplication/pdfen
dc.language.isoruen
dc.publisherб. и.ru
dc.rightsПредоставлено автором на условиях простой неисключительной лицензииru
dc.rights.urihttp://elar.urfu.ru/handle/10995/31613en
dc.subjectMASTER'S THESISen
dc.subjectCOMPUTER VISIONen
dc.subjectAUTOMATED STORYTELLINGen
dc.subjectDEEP LEARNINGen
dc.subjectIMAGE SEQUENCESen
dc.subjectTEXT GENERATIONen
dc.subjectNEURAL NETWORKSen
dc.subjectSEQ2SEQen
dc.subjectCONVOLUTIONAL NEURAL NETWORKSen
dc.subjectМАГИСТЕРСКАЯ ДИССЕРТАЦИЯru
dc.subjectКОМПЬЮТЕРНОЕ ЗРЕНИЕru
dc.subjectАВТОМАТИЗИРОВАННОЕ ПОВЕСТВОВАНИЕru
dc.subjectГЛУБОКОЕ ОБУЧЕНИЕru
dc.subjectПОСЛЕДОВАТЕЛЬНОСТИ ИЗОБРАЖЕНИЙru
dc.subjectГЕНЕРАЦИЯ ТЕКСТАru
dc.subjectНЕЙРОННЫЕ СЕТИru
dc.subjectSEQ2SEQru
dc.subjectСВЕРТОЧНЫЕ НЕЙРОННЫЕ СЕТИru
dc.titleРазработка и оценка алгоритмов компьютерного зрения для автоматизированного повествования на основе последовательностей̆ изображений : магистерская диссертацияru
dc.title.alternativeDevelopment and Evaluation of Computer Vision Algorithms for Automated Storytelling Based on Image Sequencesen
dc.typeMaster's thesisen
dc.typeinfo:eu-repo/semantics/publishedVersionen
dc.typeinfo:eu-repo/semantics/masterThesisen
dc.thesis.levelМагистрru
dc.contributor.departmentУрФУ. Институт радиоэлектроники и информационных технологий-РТФru
dc.thesis.speciality09.04.01 - Информатика и вычислительная техникаru
dc.contributor.subdepartmentКафедра информационных технологий и систем управленияru
Располагается в коллекциях:Магистерские диссертации

Файлы этого ресурса:
Файл Описание РазмерФормат 
m_th_n.g.antropova_2024.pdf39,62 MBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.