Volltext-Downloads (blau) und Frontdoor-Views (grau)
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 1 of 4
Back to Result List

Vergleich von lokalen und cloudbasierten Objekterkennungssystemen

  • Diese Bachelorarbeit basiert auf dem zuvor durchgeführten Praxisprojekt, in dem die Objekterkennungsdienste in den Cloudsystemen von Google, Amazon und Microsoft untersucht und verglichen wurden, um zur Erkennung von Gesichtern und Kfz-Kennzeichen eingesetzt zu werden. Im Rahmen des Projekts wurde zudem evaluiert ein neuronales Netz für diese Aufgabe für den lokalen Einsatz zu entwickeln, was aufgrund des Aufwands aber nicht durchgeführt wurde. An diesem Punkt soll diese Arbeit ansetzen, indem zunächst mit MTCNN und YOLOv3 vortrainierte neuronale Netze zur Gesichts- bzw. allgemeinen Objekterkennung den Cloud-Systemen gegenübergestellt und verglichen werden. Im Folgenden wird ein in Keras implementierter eigener Ansatz präsentiert, der einzig zur Lokalisierung von Kennzeichen dienen soll. Abschließend wird eine Empfehlung ausgesprochen, wie neuronale Netze, unabhängig ob lokal oder in der Cloud, eingesetzt werden können.
  • This bachelor thesis is based on the previously conducted project in which the object recognition services in the cloud systems of Google, Amazon and Microsoft were investigated in order to be used for the recognition of faces and license plates. Additionally, the development of a neural network for local use of this task was evaluated. However, this was not realized due to the effort involved. This is the starting point of this thesis, where pre-trained neural networks for face and general object recognition are compared to the cloud systems. In the following, an own approach implemented in Keras is presented, which is solely intended for the localization of license plates. Finally, a recommendation is made on how neural networks can be used, regardless of whether they are cloud-based or used locally.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Thorben Yzer
URN:urn:nbn:de:gbv:916-opus4-11461
Referee:Claus Fühner, Torsten Rimane
Document Type:Bachelor Thesis
Language:German
Year of Completion:2021
Granting Institution:Ostfalia Hochschule für angewandte Wissenschaften
Release Date:2021/02/16
Tag:Cloud-Systeme; Neuronale Netze; Objekterkennung; deep learning
GND Keyword:Cloud-Systeme; Neuronale Netze; Objekterkennung; deep learning
Page Number:71
Faculty:Informatik / Institut für Angewandte Informatik (IAI)
DDC classes:000 Allgemeines, Informatik, Informationswissenschaft / 000 Allgemeines, Wissenschaft / 004 Informatik
Licence (German):License LogoCreative Commons - CC BY-NC - Namensnennung - Nicht kommerziell 4.0 International