شماره کتابشناسی ملی
شماره
۲۲۱۹۹پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
پیادهسازی سیستم واقعیت افزوده مبتنی بر یادگیری عمیق با رایانش ناهمگن در گوشی هوشمند
عنوان اصلي به زبان ديگر
Implementation of augmented reality system based on deep learning with heterogeneous computing on smartphone
نام نخستين پديدآور
/پدرام دینداری
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، افشاری
مشخصات ظاهری
نام خاص و کميت اثر
۶۸ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی‌ارشد
نظم درجات
مهندسی برق - الکترونیک
زمان اعطا مدرک
۱۳۹۸/۰۶/۲۰
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
امروزه گوشیهای هوشمند ضریب نفوذ بالایی در بین مردم جهان دارند و برای انجام بسیاری از کارها امکانات و تسهیلات زیادی فراهم آوردهاند .یک نمونه از این قابلیتها واقعیت افزوده همراه است .واقعیت افزوده اطلاعاتی را به محیط قابل رویت اطراف اضافه میکند و تجربهای را برای کاربر فراهم میکند تا بتواند با اشیا و اطلاعاتی که وجود فیزیکی ندارند ارتباط برقرار کند .به عنوان یک مثال کاربردی، چنین امکانی در محیط فروشگاهی میتواند بسیار موثر واقع شود، به طوری که کاربر با محصول قبل از خرید آن ارتباط برقرار نموده و اطلاعاتی در مورد آن کسب مینماید .چنین محیط پویایی علاوه بر کمک به تصمیمگیری خریدار و بهبود خدمات، بر جذابیت محیط فروشگاه نیز میافزاید .با پدیدار شدن کاربردهای جدید برای گوشیهای هوشمند، نیاز به یادگیری ماشین آشکارتر می‌شود .پیادهسازی این الگوریتم‌ها همواره با چالش‌هایی از جمله محدودیت توان، قدرت پردازشی و پهنای باند حافظه روبه‌رو بوده است، در نتیجه در اغلب اوقات از روش‌های مبتنی بر سرور استفاده می‌شود که معایبی چون امکان نقض حریم خصوصی و تأخیر دارد که برای کاربردهای بلادرنگ نامطلوب است .ما در این پایاننامه بر آنیم تا پیادهسازی واقعیت افزوده مبتنی بر یادگیری عمیق را به طور تماما محلی بر روی گوشی هوشمند امکان سنجی نماییم .به این ترتیب که ابتدا یک شبکه عصبی عمیق اطلاعاتی مانند نوع و مکان سوژه مورد نظر را استخراج کند و سپس اطلاعاتی بر روی تصویر اضافه شود .شبکه عصبی عمیق نیاز به قدرت پردازشی بالایی دارد و برای استفاده در محیط گوشی باید بهینهسازی شود .از سوی دیگر پیادهسازی باید دارای قابلیت انعطاف کافی بوده تا بر روی اکثر گوشیهای جدید با سختافزارهای متنوع قابل اجرا باشد .نتایج به دست آمده نشانگر امکان پیادهسازی الگوریتم تشخیص اشیا با حجم نهایی مدل کمتر از ۴ مگابایت) که با محدودیتهای دسترسی حافظه گوشیها کاملا سازگار است(، با سرعت مناسب) حدود ۱۵ فریم بر ثانیه روی گوشی آزمایش شده(، با دقت قابل قبول و مصرف توان حدود ۴ وات میباشد
متن يادداشت
Nowadays smartphones are ubiquitous among people and they have been proven very helpful in many tasks. One example of these facilities can be mobile augmented reality. Augmented reality adds information to the surroundings and creates a user experience in which the users can interact with objects and information otherwise nonexistent. Such a platform can be very useful in commercial environments where the customer can get information about and interact with items before purchasing them. This interactive platform can help the costumer with buying decision as well as making the commercial environment more attractive. As new use cases for smartphones emerge, the need for machine learning in applications becomes more noticeable. Implementing such neural networks in smartphones always had serious limitations like power consumption, processing power and memory bandwidth limit, thus most of the times a client-server approach has been taken. This method has some drawbacks such as privacy concerns as the data leaves the personal device and latency, which makes it hard to use in real-time scenarios. In this thesis we check the possibility of implementing an augmented reality system based on deep learning in a completely local setup on smartphone, with help of a deep neural network extracting features from picture and then adding information on top of that. Our goal is to make the system as optimize as possible and also flexible enough to be able to run on different devices with different abilities. The outcoming results prove the possibility of implementing object recognition algorithm with final model size of less than 4 megabyteswhich is suitable for constrained memory access situation in phones, running with appropriate speed (about 15 frames per second on the tested phone), with acceptable accuracy and using about 4 watts of power
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Implementation of augmented reality system based on deep learning with heterogeneous computing on smartphone
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
دینداری، پدرام
مستند نام اشخاص تاييد نشده
Dindari, Pedram
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
