Дипломная работа по информационным системам: «распознавание дорожных знаков» заказ № 304738

университете приборостроения. программист. некоторую свободу в выборе инструментария конечно дают... Конкретно по моему диплому стандартом де факто идет написание программы на с++ обычно QT фрейморк с оконном интерфейсом под winXP Для математического аппарата можно использовать опенсорсную библиотеку OpenCV - http://opencv.org/ + нейронные сети взять готовые или реализовать самому Распознаем дорожные знаки. Картинки например - http://ru.wikipedia.org/wiki/%D0%94%D0%BE%D1%80%D0%BE%D0%B6%D0%BD%D1%8B%D0%B5_%D0%B7%D0%BD%D0%B0%D0%BA%D0%B8_%D0%A0%D0%BE%D1%81%D1%81%D0%B8%D0%B9%D1%81%D0%BA%D0%BE%D0%B9_%D0%A4%D0%B5%D0%B4%D0%B5%D1%80%D0%B0%D1%86%D0%B8%D0%B8 суть: 1. с помощью фильтров OpenCV подготовить данное фото к работе 2 . на данной фотке найти вероятные области с дорожными знаками для этого использовать гистограммный анализ и классификаторы 3. с помощь алгоритмов из OpenCV например SURF сопоставить знак на фото с изображением знаков в базе данных или использовать одноранговую натренированную нейронную сеть можно и более сложную, тут главное суметь ее обучить допущения 1 можно рассматривать знаки только нескольких групп, например знаки опасности и ограничения 2 текст на знаках можно не распознавать 3 считаем, что знак не сильно повернут Есть предполагаемая структура диплома, которую сейчас утверждают у руководителя. Введение 1 Анализ методов распознавания изображений 1.1 Нейронные сети 1.2 Машины опорных векторов 1.3 Метод потенциальных функций 1.4 Другие методы 1.5 Выводы по разделу 2 Постановка задачи 3 Нейросетевой алгоритм распознавания изображений дорожных знаков 3.1 Предварительная обработка изображений и формирование входного сигнала нейросети 3.2 Алфавит распознаваемых классов и формирование выходного сигнала нейросети 3.3 Выбор структуры нейросети 3.4 Выбор алгоритма обучения и функции ошибки 4 Программная архитектура системы распознавания изображений дорожных знаков 4.1 Диаграмма вариантов использования (Use Case Diagram) 4.2 Диаграмма классов (Class Diagram) 4.3 Описание динамики системы с помощью диаграмм состояний (State Diagram) и диаграмм последовательности (Sequence Diagram) 5 Экспериментальные исследования Выводы