Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://elar.urfu.ru/handle/10995/140508
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Сысков, А. М. | ru |
dc.contributor.advisor | Syskov, A. M. | en |
dc.contributor.author | Антропова, Н. Г. | ru |
dc.contributor.author | Antropova, N. G. | en |
dc.date.accessioned | 2025-01-09T11:19:01Z | - |
dc.date.available | 2025-01-09T11:19:01Z | - |
dc.date.issued | 2024 | - |
dc.identifier.citation | Антропова, 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.uri | http://elar.urfu.ru/handle/10995/140508 | - |
dc.description.abstract | Целью 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.abstract | The 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.mimetype | application/pdf | en |
dc.language.iso | ru | en |
dc.publisher | б. и. | ru |
dc.rights | Предоставлено автором на условиях простой неисключительной лицензии | ru |
dc.rights.uri | http://elar.urfu.ru/handle/10995/31613 | en |
dc.subject | MASTER'S THESIS | en |
dc.subject | COMPUTER VISION | en |
dc.subject | AUTOMATED STORYTELLING | en |
dc.subject | DEEP LEARNING | en |
dc.subject | IMAGE SEQUENCES | en |
dc.subject | TEXT GENERATION | en |
dc.subject | NEURAL NETWORKS | en |
dc.subject | SEQ2SEQ | en |
dc.subject | CONVOLUTIONAL NEURAL NETWORKS | en |
dc.subject | МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ | ru |
dc.subject | КОМПЬЮТЕРНОЕ ЗРЕНИЕ | ru |
dc.subject | АВТОМАТИЗИРОВАННОЕ ПОВЕСТВОВАНИЕ | ru |
dc.subject | ГЛУБОКОЕ ОБУЧЕНИЕ | ru |
dc.subject | ПОСЛЕДОВАТЕЛЬНОСТИ ИЗОБРАЖЕНИЙ | ru |
dc.subject | ГЕНЕРАЦИЯ ТЕКСТА | ru |
dc.subject | НЕЙРОННЫЕ СЕТИ | ru |
dc.subject | SEQ2SEQ | ru |
dc.subject | СВЕРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ | ru |
dc.title | Разработка и оценка алгоритмов компьютерного зрения для автоматизированного повествования на основе последовательностей̆ изображений : магистерская диссертация | ru |
dc.title.alternative | Development and Evaluation of Computer Vision Algorithms for Automated Storytelling Based on Image Sequences | en |
dc.type | Master's thesis | en |
dc.type | info:eu-repo/semantics/publishedVersion | en |
dc.type | info:eu-repo/semantics/masterThesis | en |
dc.thesis.level | Магистр | ru |
dc.contributor.department | УрФУ. Институт радиоэлектроники и информационных технологий-РТФ | ru |
dc.thesis.speciality | 09.04.01 - Информатика и вычислительная техника | ru |
dc.contributor.subdepartment | Кафедра информационных технологий и систем управления | ru |
Располагается в коллекциях: | Магистерские диссертации |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
m_th_n.g.antropova_2024.pdf | 39,62 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.