Τεχνικές βαθιάς μάθησης και εφαρμογές στην ανίχνευση προσώπων σε εικόνες

Μελέτης, Παναγιώτης; Meletis, Panagiotis

dc.contributor.author	Μελέτης, Παναγιώτης	el
dc.contributor.author	Meletis, Panagiotis	en
dc.date.accessioned	2016-02-22T10:58:48Z
dc.date.available	2016-02-22T10:58:48Z
dc.date.issued	2016-02-22
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42043
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.10651
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Τεχνικές βαθιάς μάθησης	el
dc.subject	Συνελικτικά νευρωνικά δίκτυα	el
dc.subject	Ειδική προσαρμογή	el
dc.subject	Εντοπισμός προσώπων	el
dc.subject	Επαύξηση συνόλου δεδομένων	el
dc.subject	Deep learning	en
dc.subject	Convolutional neural networks	en
dc.subject	Fine-tuning	en
dc.subject	Multiview face detection	en
dc.subject	Dataset augmentation	en
dc.title	Τεχνικές βαθιάς μάθησης και εφαρμογές στην ανίχνευση προσώπων σε εικόνες	el
dc.title	Deep learning and applications to face detection in images	en
heal.type	bachelorThesis
heal.classification	Νευρωνικά δίκτυα	el
heal.classification	Neural networks	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-10-27
heal.abstract	Τα τελευταία χρόνια η αφθονία της οπτικοακουστικής πληροφορίας και η ταχεία αύξηση των υπολογιστικών δυνατοτήτων των μηχανών έστρεψαν το ενδιαφέρον πολλών ερευνητών σε μεθόδους αντιμετώπισης προβλημάτων οδηγούμενες από μεγάλες ποσότητες δεδομένων. Ο προσανατολισμός αυτός, οδήγησε σε μεγάλη ανάπτυξη των Τεχνικών Βαθιάς Μάθησης και ιδιαίτερα του κλάδου των Συνελικτικών Νευρωνικών Δικτύων (ΣΝΔ). Τα Δίκτυα αυτά εμπνέονται από τη δομή και τη λειτουργικότητα του ανθρώπινου εγκεφάλου και έχουν τη δυνατότητα να αυτορρυθμίζουν τη βαρύτητα των συνδέσεών τους μέσω επιβλεπόμενης εκπαίδευσης σε πολύ μεγάλα σύνολα δεδομένων. Στόχοι της Διπλωματικής Εργασίας είναι η ανάλυση των σύγχρονων ΣΝΔ και η παρουσίαση των τελευταίων εξελίξεων, αλλά και η εφαρμογή ενός, τελευταίας τεχνολογίας, ΣΝΔ για τον εντοπισμό προσώπων σε εικόνες. Αρχικά, γίνεται αναφορά των βασικών στοιχείων της Μηχανικής Μάθησης, που είναι απαραίτητα για την ανάπτυξη των ΣΝΔ, ενώ μεγάλο μέρος της Εργασίας αφιερώνεται στην ανάλυση της αρχιτεκτονικής, των ιδιοτήτων και του τρόπου εκπαίδευσης των σύγχρονων ΣΝΔ. Η παρουσίαση γίνεται με υπόβαθρο το θεμελιώδες πρόβλημα της ταξινόμησης εικόνων και ως εφαρμογή υλοποιείται ένα σύστημα εντοπισμού προσώπων ανεξαρτήτου γωνίας λήψης σε εικόνες, με τη χρήση του επιτυχημένου ΣΝΔ ταξινόμησης AlexNet. Κατασκευάζεται, με έξυπνες τεχνικές επαύξησης, ένα σύνολο δεδομένων 1 εκατομμυρίου εικόνων από τις βάσεις δεδομένων AFLW και FaceScrub, που έχουν συνολικά 100,000 εικόνες. Το σύνολο αυτό χρησιμοποιείται για την ειδική προσαρμογή του προεκπαιδευμένου AlexNet από το σύνολο ILSVRC. Για τον εντοπισμό χρησιμοποιείται πολυκλιμακωτή ανάλυση εικόνων και το εξειδικευμένο AlexNet, ώστε να προκύψουν οι τοποθεσίες των προσώπων σε οποιαδήποτε κλίμακα.	el
heal.abstract	In recent years the availability of abundant data and the increase of computational capacity and capability of machines, lead researchers to tackle computer vision problems through data-driven approaches. This trend fostered Deep Learning Techniques and particularly the branch of Convolutional Neural Networks (CNN), which is inspired by the structure and functionality of human brain. CNN are trained on large image datasets and take advantage of the deep hierachical structure of images. A first goal of this Diploma Thesis is to describe modern CNN architectures thoroughly and present recent developments in the field. A second goal is to employ a state-of-the-art CNN, originally designed for image classification, for multiview detection of faces in images. In the first part of the Thesis, essential background tools of Machine Learning, necessary to the deployment of CNNs, are discussed. In the next part, an extensive analysis of the architecture and the training procedure of CNNs is performed. Throughout the text, concepts are developed having the fundamental problem of classification on the background, as the outmost goal is to use the AlexNet CNN in order to achieve face localization. Clever dataset augmentation techniques are applied to AFLW and FaceScrub databases (total 100,000 images), to generate a training set of 1 million images, which is used to fine-tune a pretrained AlexNet model on ILSVRC. To achieve detection, a multiscale approach is adopted, so the fine-tuned AlexNet can infer the existence of faces in multiple scales.	en
heal.advisorName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	103 σ.	el
heal.fullTextAvailability	true