Show simple item record

Deep learning framework, for image classification applications.

Dublin Core metadata

dc.creatorΦραγγιαδούλης, Αλέξανδροςel
dc.creatorFrangiadoulis, Alexandrosen
dc.date.accessioned2016-08-23T11:20:43Z
dc.date.available2016-08-23T11:20:43Z
dc.date.issued2016-08-23
dc.identifier.urihttp://hdl.handle.net/11713/7830
dc.description.abstractΣε αυτή την Διπλωματική Εργασία, σχεδιάζουμε και κατασκευάζουμε ένα σκελετό "Deep Learning", ο οποίος είναι ένα πρότυπο για να κατασκευαστούν εφαρμογές αναγνώρισης εικόνων. Παρουσιάζουμε το "CNNs Tester" και μια δομή για εφαρμογές διαδικτύου. Το "CNNs Tester" χρησιμοποιεί εικόνες για να εκπαιδεύουμε μοντέλα, και στη συνέχεια χρησιμοποιούμε τα μοντέλα αυτά, σε διαδικτυακές εφαρμογές αναγνώρισης εικόνων. Η ιδέα για αυτή την εργασία ξεκίνησε από την ανάγκη για τη μετάβαση από την καθαρά πειρατική εργασία σε κάτι πιο πρακτικό. Ως αποτέλεσμα είχαμε δύο εφαρμογές α) CNNs Tester β) PaternF. Αυτές οι δύο εφαρμογές μπορούν να θεωρηθούν επίσης και σαν σκελετός για άλλες, λόγω του ευέλικτου σχεδιασμού τους.el
dc.description.abstractIn this master thesis, we design and construct a Deep-Learning Framework, which is a model for building image classification applications. We demonstrate the “CNNs Tester” and a web-application structure. “CNNs Tester” uses images to create a trained model, after that the model can be used in the web-application’s classification procedure. This Thesis started as a need for a transition, from purely experimental work to something more practical. The results are two applications a) CNNs Tester, b) PatternF. These two applications can be also considered as generic framework.en
dc.languageΑγγλικάel
dc.languageEnglishen
dc.publisherΤ.Ε.Ι. Κρήτης, Σχολή Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), ΠΜΣ Πληροφορική και Πολυμέσαel
dc.publisherT.E.I. of Crete, School of Engineering (STEF), PPS in Informatics and Multimediaen
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.titleΣκελετός "deep learning", για εφαρμογές αναγνώρισης εικόνων.el
dc.titleDeep learning framework, for image classification applications.en

healMeta

heal.creatorNameΦραγγιαδούλης, Αλέξανδροςel
heal.creatorNameFrangiadoulis, Alexandrosen
heal.publicationDate2016-08-23
heal.identifier.primaryhttp://hdl.handle.net/11713/7830
heal.abstractΣε αυτή την Διπλωματική Εργασία, σχεδιάζουμε και κατασκευάζουμε ένα σκελετό "Deep Learning", ο οποίος είναι ένα πρότυπο για να κατασκευαστούν εφαρμογές αναγνώρισης εικόνων. Παρουσιάζουμε το "CNNs Tester" και μια δομή για εφαρμογές διαδικτύου. Το "CNNs Tester" χρησιμοποιεί εικόνες για να εκπαιδεύουμε μοντέλα, και στη συνέχεια χρησιμοποιούμε τα μοντέλα αυτά, σε διαδικτυακές εφαρμογές αναγνώρισης εικόνων. Η ιδέα για αυτή την εργασία ξεκίνησε από την ανάγκη για τη μετάβαση από την καθαρά πειρατική εργασία σε κάτι πιο πρακτικό. Ως αποτέλεσμα είχαμε δύο εφαρμογές α) CNNs Tester β) PaternF. Αυτές οι δύο εφαρμογές μπορούν να θεωρηθούν επίσης και σαν σκελετός για άλλες, λόγω του ευέλικτου σχεδιασμού τους.el
heal.abstractIn this master thesis, we design and construct a Deep-Learning Framework, which is a model for building image classification applications. We demonstrate the “CNNs Tester” and a web-application structure. “CNNs Tester” uses images to create a trained model, after that the model can be used in the web-application’s classification procedure. This Thesis started as a need for a transition, from purely experimental work to something more practical. The results are two applications a) CNNs Tester, b) PatternF. These two applications can be also considered as generic framework.en
heal.languageΑγγλικάel
heal.languageEnglishen
heal.academicPublisherΤ.Ε.Ι. Κρήτης, Σχολή Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), ΠΜΣ Πληροφορική και Πολυμέσαel
heal.academicPublisherT.E.I. of Crete, School of Engineering (STEF), PPS in Informatics and Multimediaen
heal.titleΣκελετός "deep learning", για εφαρμογές αναγνώρισης εικόνων.el
heal.titleDeep learning framework, for image classification applications.en
heal.typeΜεταπτυχακή Διατριβήel
heal.typeMaster thesisen
heal.keywordαναγνώριση εικόνας, τεχνητή όραση, συνελικτικά νευρωνικά δίκτυαel
heal.keywordimage recognition, computer vision, convolutional neural networks (CNNs), deep learningen
heal.accessfreeel
heal.advisorNameΒιδάκης, Νικόλαοςel
heal.advisorNameVidakis, Nikolaosen
heal.advisorID.emailnv@ie.teicrete.gr
heal.academicPublisherIDΤ.Ε.Ι. Κρήτηςel
heal.academicPublisherIDT.E.I. of Creteen
heal.fullTextAvailabilitytrueel
tcd.distinguishedfalseel
tcd.surveyfalseel


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States