Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/14049
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΚασσιώτης, Θωμάς-
dc.contributor.otherKassiotis, Thomas-
dc.date.accessioned2020-10-21T11:29:20Z-
dc.date.available2020-10-21T11:29:20Z-
dc.date.copyright2020-02-09-
dc.identifier.urihttp://hdl.handle.net/10889/14049-
dc.description.abstractΗ παρούσα διπλωματική εργασία ασχολείται με τη μελέτη του προβλήματος αναγνώρισης προσώπου με τεχνικές βαθιάς μηχανικής μάθησης. Αναφέρονται παλιότερες τεχνικές (PCA, LDA, κλπ.) οι οποίες χρησιμοποιούνταν για την αντιμετώπιση της αναγνώρισης προσώπου, καταγράφονται τα μειονεκτήματά τους και με ποιον τρόπο η βαθιά μηχανική μάθηση αντιμετωπίζει τα προβλήματα αυτά. Πραγματοποιήθηκαν δύο προσεγγίσεις του προβλήματος,η πρώτη με την κατασκευή και εκπαίδευση ενός συνελικτικού νευρωνικού δικτύου, ενώ η δεύτερη με τη χρησιμοποίηση μιας πιο εξειδικευμένης αρχιτεκτονικής συνελικτικών νευρ-ωνικών δικτύων και πιο συγκεκριμένα ενός Residual Neural Network.el
dc.language.isogrel
dc.subjectΑναγνώριση προσώπουel
dc.subjectΒαθιά μηχανική μάθησηel
dc.titleΑναγνώριση προσώπων με τεχνικές βαθιάς μηχανικής μάθησηςel
dc.title.alternativeDeep learning for face recognitionel
dc.description.translatedabstractThe present thesis studies the issue of facial recognition by using techniques of deeplearning. There are mentions of older techniques (PCA,LDA etc.) which had been used infacial recognition, highlighting their disadvantages and how deep learning overcomes them.Two approaches to the issue were used, the first by constructing and training a convolutionalneural network and the second by using a more specialized architecture of convolutional neuralnetworks and specifically a Residual Neural Network.el
dc.subject.alternativeFace recognitionel
dc.subject.alternativeDeep learningel
dc.degreegraduateThesisel
datacite.rightshttp://purl.org/coar/access_right/c_abf2el
oaire.licenseConditionnullel
datacite.contributor.SupervisorΜπερμπερίδης Κωνσταντίνος-
Appears in Collections:Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΔΕ)

Files in This Item:
File Description SizeFormat 
Nemertes_Kassiotis(com).pdf4.81 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.