Специально для учителей!

СДЕЛАЙТЕ СВОИ УРОКИ ЕЩЁ ЭФФЕКТИВНЕЕ, А ЖИЗНЬ СВОБОДНЕЕ

Благодаря готовым учебным материалам для работы в классе и дистанционно

Выбрать материалы

Скидки до 50 % на комплекты
только до

Готовые ключевые этапы урока всегда будут у вас под рукой

Организационный момент

Проверка знаний

Объяснение материала

Закрепление изученного

Итоги урока

Разработки / Информатика / Презентации / 9 класс / ЦОР Разработка алгоритма для обучения нейронной сети на Python

Наслаждайтесь радостью окончания учебного года весь следующий! Получите доступ к материалами на весь год со скидкой 90%

ЦОР Разработка алгоритма для обучения нейронной сети на Python

Цифровой образовательный ресурс включает в себя презентацию на тему Разработка алгоритма для обучения нейронной сети на Python

Учебник: Информатика: учебник для 9 класса. Семакин И. Г. и др. М.: 2013 - 200 с.

Тема: Глава I. Управление и алгоритмы

Кречман Ольга Алексеевна

30.08.2024

Содержимое разработки

Разработка алгоритма на языке программирования Python

«Обучение нейронной сети»

Пуховская Анастасия,

9 класс, МБОУ «Брянская СОШ»

Научный руководитель:

Кречман Ольга Алексеевна

Код будущего

Нейронные сети

Нейронные сети относятся к направлению ИИ и применяются для распознавания скрытых закономерностей в необработанных данных.

Нейронные сети - это компьютерные системы, моделирующие работу человеческого мозга и могут обучаться на большом количестве информации

Цель, гипотеза и задачи исследования

Задачи :

Цель:

Создание приложения на языке Python для обучения нейронной сети

Гипотеза :

Мы предполагаем, что в домашних условиях можно обучить нейронную сеть распознавать людей на фотографии

Изучить научную и учебную литературу по проблеме обучения нейронной сети, историю ИИ
Разработать алгоритм создания приложения для обучения нейронной сети
Запустить приложение, произвести тестирование
Провести эксперимент с разными фотографиями

Объект и предмет исследования

Объектом исследования

является обучение нейронной сети

Предмет исследования

– алгоритм для создания приложения по обучению нейронной сети на языке Python

Методы исследования

метод машинного обучения
изучение компьютерных технологий и математики
метод искусственного интеллекта

Официальный сайт Python

Этап практический

Устанавливаем нужные библиотеки

import sys from PyQt6.QtWidgets import QApplication, QHBoxLayout, QMainWindow, QPushButton, QSpinBox, QVBoxLayout, QWidget, QFileDialog, QLabel, QErrorMessage from PyQt6.QtGui import QImage,QPixmap import cv2 import numpy as np

# Импортируем из PyQt 6 нужные виджеты, кнопки, окна и т.д.

Создаем классы, функции

0: cv2.imwrite(filename,self.result_image_data) class ImageWidget(QLabel): def __init__(self, parent=None): super().__init__(parent) self.setScaledContents(True) def hasHeightForWidth(self): return self.pixmap() is not None def heightForWidth(self,w): if self.pixmap(): try: return int(w*(self.pixmap().height() / self.pixmap().width())) except ZeroDivisionError: return 0 def resize_image(image_data,max_img_width,max_img_height): scale_percent = min(max_img_width/image_data.shape[1],max_img_height/image_data.shape[0]) width = int(image_data.shape[1]*scale_percent) height = int(image_data.shape[0]*scale_percent) newSize = (width,height) image_resized = cv2.resize(image_data,newSize,None,None,None,cv2.INTER_AREA) return image_resized def pixmap_from_cv_image(cv_image): height, width, _ =cv_image.shape bytesPerLine = 3*width qImg = QImage(cv_image.data,width,height,bytesPerLine,QImage.Format.Format_RGB888).rgbSwapped() return QPixmap(qImg) def get_image_mask(img,blue_shade,diff): lower = np.array([max(0,val)for val in [blue_shade[2]-diff,blue_shade[1]-diff,blue_shade[0]-diff]], dtype=np.uint8) upper=np.array([min(255,val)for val in [blue_shade[2]+diff,blue_shade[1]+diff,blue_shade[0]+diff]], dtype=np.uint8) mask = cv2.inRange(img,lower,upper) percent_traced = np.sum(mask0)/(mask.shape[0]*mask.shape[1]) return cv2.cvtColor(mask,cv2.COLOR_BGR2RGB),percent_traced app =QApplication(sys.argv) window = MainWindow() window.show() app.exec() " width="640"

Программный код Приложения готов

https:// disk.yandex.ru/d/W2aFlESNlIWnhg

Ссылка на папку Яндекс-диск:

Файл Python
Текст кода в Word
Пример фотографии
Результат работы приложения

class MainWindow(QMainWindow): def __init__(self): super(MainWindow,self).__init__() self.setWindowTitle("ImageTracer") main_layout = QVBoxLayout() top_bar_layout = QHBoxLayout() image_bar_layout = QHBoxLayout() self.source_filename = None self.source_image_data = None self.result_image_data = None self.max_img_height = 400 self.max_img_width = 600 select_image_button = QPushButton('Select Image') process_image_button = QPushButton('Process!') select_image_button.clicked.connect(self.choose_source_image) process_image_button.clicked.connect(self.process_image) for btn in [select_image_button,process_image_button]: btn.setFixedHeight(30) btn.setFixedWidth(100) self.r_select = QSpinBox() self.g_select = QSpinBox() self.b_select = QSpinBox() self.threshold_select = QSpinBox() for start_val, prefix, spinbox in zip([30,1,72,152],['Threshold','R','G','B'], [self.threshold_select,self.r_select,self.g_select,self.b_select]): spinbox.setPrefix(f'{prefix}:') spinbox.setMinimum(0) spinbox.setMaximum(255) spinbox.setValue(start_val) spinbox.setFixedWidth(130) top_bar_layout.addWidget(select_image_button) top_bar_layout.addWidget(self.r_select) top_bar_layout.addWidget(self.g_select) top_bar_layout.addWidget(self.b_select) top_bar_layout.addWidget(self.threshold_select) top_bar_layout.addWidget(process_image_button) self.source_image = ImageWidget() self.result_image = ImageWidget() self.source_image.setMaximumSize(self.max_img_width, self.max_img_height) self.result_image.setMaximumSize(self.max_img_width, self.max_img_height) source_image_layout = QVBoxLayout() source_image_layout.addWidget(QLabel("Source image:")) source_image_layout.addWidget(self.source_image) result_image_layout = QVBoxLayout() result_image_layout.addWidget(QLabel("Result image:")) result_image_layout.addWidget(self.result_image) image_bar_layout.addLayout(source_image_layout) image_bar_layout.addLayout(result_image_layout) bottom_bar_layout = QHBoxLayout() self.save_button = QPushButton('Save as file') self.save_button.clicked.connect(self.save_as_file) self.save_button.setFixedWidth(300) bottom_bar_layout.addWidget(self.save_button) self.percent_traced_label = QLabel() bottom_bar_layout.addWidget(self.percent_traced_label) main_layout.addLayout(top_bar_layout) main_layout.addLayout(image_bar_layout) main_layout.addLayout(bottom_bar_layout) widget = QWidget() widget.setLayout(main_layout) self.setCentralWidget(widget) def choose_source_image(self): self.source_filename=QFileDialog.getOpenFileName()[0] self.source_image_data.cv2.imread(self.source_filename) source_image_resized=resize_image(self.source_image_data,self.max_img_width,self.max_img_height) self.source_image.setPixmap(pixmap_from_cv_image(source_image_resized)) def process_image(self): if self.source_image_data is None: error_dialog=QErrorMessage() error_dialog.showMessage('No image selected') error_dialog.exec() else: self.result_image_data,percent_traced=get_image_mask(self.source_image_data, [self.r_select.value(),self.g_select.value(), self.b_select.value()], self.threshold_select.value()) self.percent_traced_label.setText(f'Percent of image traced: {(percent_traced * 100):.3f}%') result_image_resized=resize_image(self.result_image_data,self.max_img_width,self.max_img_height) self.result_image.setPixmap(pixmap_from_cv_image(result_image_resized)) def save_as_file(self): if self.result_image_data is None: error_dialog=QErrorMessage() error_dialog.showMessage('No image process') error_dialog.exec() else: filename = QFileDialog.getSaveFileName(self,'Save file')[0] if len(filename)0: cv2.imwrite(filename,self.result_image_data) class ImageWidget(QLabel): def __init__(self, parent=None): super().__init__(parent) self.setScaledContents(True) def hasHeightForWidth(self): return self.pixmap() is not None def heightForWidth(self,w): if self.pixmap(): try: return int(w*(self.pixmap().height() / self.pixmap().width())) except ZeroDivisionError: return 0 def resize_image(image_data,max_img_width,max_img_height): scale_percent = min(max_img_width/image_data.shape[1],max_img_height/image_data.shape[0]) width = int(image_data.shape[1]*scale_percent) height = int(image_data.shape[0]*scale_percent) newSize = (width,height) image_resized = cv2.resize(image_data,newSize,None,None,None,cv2.INTER_AREA) return image_resized def pixmap_from_cv_image(cv_image): height, width, _ =cv_image.shape bytesPerLine = 3*width qImg = QImage(cv_image.data,width,height,bytesPerLine,QImage.Format.Format_RGB888).rgbSwapped() return QPixmap(qImg) def get_image_mask(img,blue_shade,diff): lower = np.array([max(0,val)for val in [blue_shade[2]-diff,blue_shade[1]-diff,blue_shade[0]-diff]], dtype=np.uint8) upper=np.array([min(255,val)for val in [blue_shade[2]+diff,blue_shade[1]+diff,blue_shade[0]+diff]], dtype=np.uint8) mask = cv2.inRange(img,lower,upper) percent_traced = np.sum(mask0)/(mask.shape[0]*mask.shape[1]) return cv2.cvtColor(mask,cv2.COLOR_BGR2RGB),percent_traced app =QApplication(sys.argv) window = MainWindow() window.show() app.exec()

Отладка кода и компиляция

Результат выполнения кода

Приложение готово

Нажимаем «Выбрать изображение»

Нажимаем Process!

Идет процесс обучения готовой нейросети

Нейронная сеть распознает людей на фото

Эксперимент

Практическая значимость

Приложение предоставляет владельцу помощь в работе в особо вредных и опасных условиях (военных зонах).

Мы планируем расширить возможности нашего приложения для распознавания птиц, животных на фото и видео. Аппаратная часть для продолжения проекта у нас уже есть, и необходимо дополнить приложение.

Уверены, что у нас всё получится!