«Санкт-Петербургский государственный электротехнический университет

«ЛЭТИ» им. В.И.Ульянова (Ленина)»

(СПбГЭТУ «ЛЭТИ»)

Направление	12.03.01 – Приборостроение
Профиль	Информационно-измерительная техника и технологии
Факультет	ИБС
Кафедра	ИИСТ
К защите допустить
И. о. зав. кафедрой		Королев П.Г.

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА

Бакалавра

Тема: Критерии надежности для нейронных сетей при распознавании видеоизображений.

Студентка				Кот И.И.
		подпись
Руководитель				Антонюк Е.М.
	(Уч. степень, уч. звание)	подпись
Консультанты				Беляев Ф.Я.
	(Уч. степень, уч. звание)	подпись
	к.т.н., доцент			Буканин В.А.
	(Уч. степень, уч. звание)	подпись
				Микус О.А.
	(Уч. степень, уч. звание)	подпись

Санкт-Петербург

2023

Задание на выпускную квалификационную работу

	Утверждаю
	И. о. зав. кафедрой ИИСТ
	____________ Королев П.Г.
	«___»______________20___ г.

Студентка	Кот И.И.					Группа	9586
Тема работы: Критерии надежности для нейронных сетей при распознавании видеоизображений.
Место выполнения ВКР: кафедра Информационно-измерительных систем
Исходные данные (технические требования): Нейронные сети, распознающие объекты на изображениях, изучаемые параметры: время, эффективность.
Содержание ВКР: 1. Метрологическая надежность нейросетей 2. Выбор критериев надежности для тестирования нейронных сетей 3. Тестирование на видеоизображении выбранных критериев надежности
Перечень отчетных материалов: пояснительная записка, иллюстративный материал
Дополнительные разделы: проблемы безопасности программного средства
Дата выдачи задания			Дата представления ВКР к защите
«___»______________20___ г.			«___»______________20___ г.
Студентка				Кот И.И.
Руководитель				Антонюк Е.М.

Календарный план выполнения выпускной квалификационной работы

	Утверждаю
	И. о. зав. кафедрой ИИСТ
	____________ Королев П.Г.
	«___»______________20___ г.

Студент(ка)	Кот И.И.		Группа	9586
Тема работы: Критерии надежности для нейронных сетей при распознавании видеоизображений.

№ п/п	Наименование работ	Срок выполнения
1	Обзор литературы по теме работы	04.04 – 11.04
2	Метрологическая надежность нейросетей	11.04 – 18.04
3	Выбор критериев надежности для тестирования нейронных сетей	19.04 – 22.04
4	Тестирование на видеоизображении выбранных критериев надежности	22.04 – 30.04
5	Проблемы безопасности программного средства	01.05 – 15.05
6	Оформление пояснительной записки	16.05 – 20.05
7	Оформление иллюстративного материала	21.05 – 29.05

Студентка		Кот И.И.
Руководитель		Антонюк Е.И.

Реферат

Пояснительная записка 81 стр., 56 рис., 12 табл., 20 ист., 4 прил.

Метрологическая надежность, Нейронные сети, Критерии надежности, Распознавание объектов, Тестирование Нейросетей, Зашумление изображений

Объектом исследования являются критерии надежности нейронных сетей.

Цель работы — разработка критериев надежности для нейронных сетей, распознающих объекты на видеоизображениях.

Производится обзор нейронных сетей, распознающих объекты на изображении. Выбраны критерии надежности тестирования подобных нейронных сетей, разработан алгоритм тестирования нейронных сетей на выбранные критерии надежности, выбраны шумы для проверки нейронных сетей на устойчивость к шуму. Для зашумления изображений был написан код на языке программирования python для каждого вида шума. Для проверки нейронных сетей на критерии надежности было выбрано видеоизображение, которое было последовательно разделено на 10 кадров, после чего каждый кадр был зашумлен одним из рассмотренных ранее шумов. Нейронные сети были протестированы на выбранные критерии, был сделан вывод о выборе наиболее подходящей нейронной сети для решения задачи распознавания объектов на видеоизображении. Изучены специальные вопросы по обеспечению безопасности при работе с программным средством.

ABSTRACT

An overview of neural networks that recognize objects in the image is made. Criteria for the reliability of testing such neural networks, a testing algorithm, and noise for testing neural networks for noise resistance have been developed. For image noise, a code was written in the python programming language for each type of noise. To test neural networks for reliability criteria, a video image was selected, which was sequentially divided into 10 frames, after which each frame was noisy with one of the noises considered earlier. The neural networks were tested on the developed criteria, it was concluded that the most appropriate neural network was chosen for solving the problem of object recognition on a video image. Special issues of security were study.