Aυτο-υποστηριζόμενο Ευφυές Σύστημα Αποθήκευσης και Κατηγοριοποίησης Εικόνων για Κινητές Συσκευές με χρήση Μοντέλων Βαθιάς Μάθησης

Καραγιώργος, Γεώργιος; Karagiorgos, Georgios

dc.contributor.author	Καραγιώργος, Γεώργιος	el
dc.contributor.author	Karagiorgos, Georgios	en
dc.date.accessioned	2022-04-11T09:23:02Z
dc.date.available	2022-04-11T09:23:02Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55061
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22759
dc.rights	Default License
dc.subject	Κινητές Συσκευές	el
dc.subject	Βαθιά Μάθηση	el
dc.subject	Κατηγοριοποίηση	el
dc.subject	Αναγνώριση Εικόνας	el
dc.subject	Εφαρμογή Gallery	el
dc.subject	TensorFlow Lite	en
dc.subject	Android	en
dc.subject	Mobile Devices	en
dc.subject	Deep Learning	en
dc.subject	TensorFlow Lite	en
dc.subject	Image Recognition	en
dc.subject	Gallery Application	en
dc.subject	Classification	en
dc.title	Aυτο-υποστηριζόμενο Ευφυές Σύστημα Αποθήκευσης και Κατηγοριοποίησης Εικόνων για Κινητές Συσκευές με χρήση Μοντέλων Βαθιάς Μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-11-05
heal.abstract	Στην παρούσα διπλωματική εργασία αναπτύχθηκε μια εφαρμογή αποθήκευσης και κατηγοριοποίησης εικόνων για κινητές συσκευές με λειτουργικό σύστημα Android, βασισμένη σε τεχνολογίες Βαθιάς Μάθησης. Πιο συγκεκριμένα, η εφαρμογή επιτρέπει στον χρήστη να προσθέσει φωτογραφίες που βρίσκονται αποθηκευμένες στη συσκευή του ή νέες φωτογραφίες από τη κάμερα της συσκευής. Στη συνέχεια οι φωτογραφίες κατηγοριοποιούνται με βάση το περιεχόμενό τους και ο χρήστης έχει τη δυνατότητα να δει όλες τις φωτογραφίες που έχει προσθέσει στην εφαρμογή, την κατηγορία στην οποία έχουν ενταχθεί και τη βεβαιότητα με την οποία έχει γίνει η κατηγοριοποίηση, καθώς και να κάνει αναζήτηση φωτογραφιών με βάση το περιεχόμενο. Η κατηγοριοποίηση γίνεται με χρήση προεκπαιδευμένων βαθιών νευρωνικών δικτύων, τα οποία ενσωματώνονται στην εφαρμογή μέσω της πλατφόρμας TensorFlow Lite. Η βασική διαφορά σε σχέση με άλλες αντίστοιχες εφαρμογές είναι ότι η διαδικασία κατηγοριοποίησης γίνεται τοπικά, χρησιμοποιώντας αποκλειστικά επεξεργαστικούς πόρους της ίδιας της συσκευής, και όχι μέσω κάποιας υπηρεσίας «cloud». Με αυτόν τον τρόπο αποφεύγονται οι προβληματισμοί σχετικά με την ιδιωτικότητα που προκύπτουν κάθε φορά που τα δεδομένα του χρήστη χρειάζεται να μεταφερθούν μέσω διαδικτύου, καθώς δεν υπάρχει η απαίτηση για σύνδεση στο διαδίκτυο. Αυτή είναι μια δυνατότητα που μας δίνεται χάρη στην τεράστια αύξηση της επεξεργαστικής ισχύος των κινητών συσκευών τα τελευταία χρόνια. Το βασικό μέρος της εργασίας μετά την ανάπτυξη της εφαρμογής ήταν η αναζήτηση και χρήση διαφορετικών αρχιτεκτονικών δικτύων για την κατηγοριοποίηση, και η συγκριτική αξιολόγηση τους ως προς τον χρόνο εκτέλεσης, τη χρήση μνήμης και τη χρήση επεξεργαστικής ισχύος, λαμβάνοντας πάντα υπόψιν και τις διαφορές στα επίπεδα ακρίβειας κάθε αρχιτεκτονικής.	el
heal.advisorName	Βενιέρης, Ιάκωβος	el
heal.committeeMemberName	Βενιέρης, Ιάκωβος	el
heal.committeeMemberName	Κακλαμάνη, Δήμητρα-Θεοδώρα	el
heal.committeeMemberName	Παναγόπουλος, Αθανάσιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false