Дипломная работа на тему "ТЮМГУ | Система подготовки и разметки данных, полученных из сервиса «Ivideon TV»"

Работа на тему: Система подготовки и разметки данных, полученных из сервиса «Ivideon TV»
Оценка: отлично.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программной и системной инженерии

РЕКОМЕНДОВАНО К ЗАЩИТЕ В ГЭК

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
СИСТЕМА ПОДГОТОВКИ И РАЗМЕТКИ ДАННЫХ, ПОЛУЧЕННЫХ ИЗ СЕРВИСА «IVIDEON TV»

Прикладная информатика 09.03.03
Профиль «Разработка информационных систем бизнеса»

г. Тюмень 2023

РЕФЕРАТ
Отчет на 56 страниц, 4 главы, 12 рисунков, 7 источников, 9 таблиц.
Тема вкр: Cистема подготовки и разметки данных, полученных из сервиса Ivideon TV.
Ключевые слова: Конвейер сбора данных, Apache Airflow, разметка данных, машинное обучение, компьютерное зрение.
Объектом разработки является автоматизированная разметка и подготовка данных, для обучения и тестирования моделей компьютерного зрения.
Цель работы: сокращение времени, затрачиваемого разработчиком, на процесс сбора данных.
Результат работы: система подготовки и разметки данных.
Область применения: разработка сервисов с применением компьютерного зрения.

ОГЛАВЛЕНИЕ
ТЕРМИНЫ И ОПРЕДЕЛЕНИЯ 4
ВВЕДЕНИЕ 5
ГЛАВА 1. ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ 7
1.1. АКТУАЛЬНОСТЬ 7
1.2. ЦЕЛЬ И ЗАДАЧИ 9
ГЛАВА 2. ПРОЕКТИРОВАНИЕ И ТРЕБОВАНИЯ 11
2.1. МОДУЛЬ ИЗВЛЕЧЕНИЯ ДАННЫХ 12
2.2. МОДУЛЬ УДАЛЕНИЕ СТАТИЧНЫХ КАДРОВ 14
2.3. МОДУЛЬ ПРЕДРАЗМЕТКИ КАДРОВ 16
2.4. МОДУЛЬ ПЕРЕДАЧИ ИЗОБРАЖЕНИЙ И АННОТАЦИЙ НА ПРОВЕРКУ 21
2.5. СРАВНЕНИЕ ИНСТРУМЕНТОВ УПРАВЛЕНИЯ
РАБОЧИМИ ПРОЦЕССАМИ И ПЛАНИРОВАНИЯ ЗАДАЧ 23
2.6. ОПИСАНИЕ ВЗАИМОДЕЙСТВИЯ С
АВТОМАТИЗИРОВАННОЙ СИСТЕМОЙ 24
2.7. ВЫБОР СЕРВИСА, ДЛЯ ПРОВЕРКИ РАЗМЕТКИ
ИЗОБРАЖЕНИЙ 26
2.8. ОПИСАНИЕ РАБОТЫ С СЕРВИСОМ ДЛЯ ПРОВЕРКИ
РАЗМЕТКИ ИЗОБРАЖЕНИЙ 31
ГЛАВА 3. РЕАЛИЗАЦИЯ 33
3.1. МОДУЛЬ ЗАГРУЗКИ ВИДЕО С СЕРВИСА IVIDEON TV 33
3.2. МОДУЛЬ ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЙ 34
3.3. МОДУЛЬ ПРЕДРАЗМЕТКИ ИЗОБРАЖЕНИЙ. 36
3.4. МОДУЛЬ ЗАГРУЗКИ ДАННЫХ НА ПРОВЕРКУ 38
3.5. СОЗДАНИЕ РЕАЛИЗАЦИИ ВЗАИМОДЕЙСТВИЯ МОДУЛЕЙ 40
3.6. ОПИСАНИЕ ПОЛЬЗОВАТЕЛЬСКОГО ИНТЕРФЕЙСА 46
ГЛАВА 4. ТЕСТИРОВАНИЕ СИСТЕМЫ 47
4.1. ЮНИТ ТЕСТИРОВАНИЕ 47
4.2. ТЕСТИРОВАНИЕ МОДУЛЯ ПРЕД РАЗМЕТКИ
ИЗОБРАЖЕНИЙ 48
4.3. ТЕСТИРОВАНИЕ МОДУЛЯ УДАЛЕНИЯ НЕ СТАТИЧНЫХ КАДРОВ 49
4.4. ТЕСТИРОВАНИЕ МОДУЛЯ ЗАГРУЗКИ ВИДЕО С СЕРВИСА IVIDEON TV 50
4.5. ФУНКЦИОНАЛЬНОЕ ТЕСТИРОВАНИЕ СИСТЕМЫ 50
4.6. АПРОБАЦИЯ СИСТЕМЫ 52
ЗАКЛЮЧЕНИЕ 54
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 55

ТЕРМИНЫ И ОПРЕДЕЛЕНИЯ
«Аннотация – файл, относящийся к конкретному изображению, и содержащий информацию об объектах, находящихся на данном
изображении.»
«Сбор данных – это процесс сбора информации с различных источников с целью оценки или ответа на поставленные вопросы.»
«Нейронная сеть – упрощенная математическая модель, работы
нервной системы человека, созданная с целью уменьшения ручного труда людей.»
«Этапы сбора данных – этапы необходимые для получения готового набора данных, в необходимом формате.»
«Бакет – Логическая сущность, одна из видов облачного хранения данных, предназначенная для организации хранения данных.»
«Бизнес логика – Правила и поведения, заданные системе, для автоматизации операций»
«Инференс – Процесс инициации нейронной сети с передачей необходимых данных в нужном формате»
«Датасет – Коллекция данных в нужном формате для последующей трансформации и получения результатов»
«Оркестровка – Автоматическое управление различными службами и утилитами, налаживающее их взаимодействие»

ВВЕДЕНИЕ
В современном информационном обществе большое значение приобретают данные, с течением времени данных становится все больше, что в свою очередь требует все большего времени на их сбор, особенно в контексте видеонаблюдения. Технологии видеонаблюдения и видео аналитики становятся все более востребованными в различных сферах, таких как безопасность, мониторинг и управление процессами.
Автоматизированный сбор данных представляет собой процесс, включающий в себя получение, обработку и организацию больших объемов информации из различных источников, таких как изображения или видео. Этот процесс позволяет создавать качественные и разнообразные наборы данных, необходимые для обучения и разработки алгоритмов компьютерного зрения.
Данная автоматизированная система создается с целью разработать эффективный метод автоматизированного сбора данных. В ходе работы будет рассмотрено использование существующих технологий и разработаны новые подходы для оптимизации процесса сбора данных.
Ожидается, что результаты работы данной системы смогут высвободить время разработчика от рутинных операций для решения более приоритетных задач.
Для успешной подготовки и защиты выпускной квалификационной работы автором ВКР использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающую высокую умственную и физической работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкульт паузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Н. О. Бесшапошников, М. А. Кузьменко, А. Г. Леонов, М. А. Матюшин. Автоматизация разметки набора данных для нейронных сетей. // Cyberleninka: [сайт]. –
2. Я. С. Меньшиков. Преимущества автоматического сбора данных в сети интернет над ручным сбором данных. // Cyberleninka: [сайт].
3. Р. А. Халяфиев. Сбор данных для разработки нейронной сети. // Cyberleninka: [сайт].
4. А. В. Флегонтов, В. В. Фомин. Система интеллектуальной обработки данных. // Cyberleninka: [сайт].
5. Р. А. Гилязев, Д. Ю. Турдаков, Активное обучение и краудсорсинг: обзор методов оптимизации разметки данных // Cyberleninka: [сайт].
6. Зарплаты в ИТ. По всем ИТ-специализациям // ХАБР [сайт].
7. Разметка данных в машинном обучении: процесс, разновидности и рекомендации // [сайт].
8. Что такое аннотация данных 2023? (Лучшие инструменты, типы, проблемы, тенденции) // [сайт].
9. Облачный сервис для видеонаблюдения Ivideon. // [сайт].
10. Официальная документация Apache Airflow. // [сайт].