Vaizdų aprašų generavimo modelio mokymo pagreitinimas
Rybokas, Mindaugas | Recenzentas / Rewiewer |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Medvedev, Viktor | Darbo gynimo komisijos narys / Thesis Defence Board Member |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Šis tyrimas buvo atliktas siekiant išanalizuoti ir palyginti skirtingų technologijų veikimą vaizdų aprašymų generavimo ir objektų atpažinimo srityse. Pirmojoje darbo dalyje aptariami duomenų rinkiniai „Flickr30k"” ir „Microsoft COCO Captions”, kurie dažnai naudojami šiuose tyrimuose, taip pat pateikiama „Show, Attend and Tell” modelio analizė. Šis modelis naudoja VGG architektūrą, dėmesio mechanizmą ir RNN su LSTM dekodavimo mechanizmą vaizdų aprašymams generuoti. Antrajame darbo etape atliekami eksperimentai, kuriuose palyginami „AMD Ryzen 7 5800X” ir „Intel Core i5-7300HQ” procesorių veikimo laikai su skirtingais paketo dydžiais. Rezultatai parodė, kad „AMD Ryzen 7 5800X” procesorius yra nuo 1,8 iki 19 kartų greitesnis, priklausomai nuo duomenų saugojimo tipo ir sąsajos. Be to, „GeForce RTX 3070 Ti” vaizdo plokštė pasirodė efektyvesnė, palyginti su kitomis plokštėmis, pagal optimalų paketo dydį. Šie rezultatai suteikia vertingų įžvalgų apie skirtingų technologijų pritaikymą duomenims apdoroti.Darbo apimtis yra 61 p. teksto be priedų, 16 iliustr., 5 lent., 23 šaltiniai.
This experiment was conducted to analyze and compare the performance of different technologies in the areas of image caption generation and object recognition. The first part of the work discusses the datasets "Flickr30k" and "Microsoft COCO Captions," which are commonly used in these experiments, and provides an analysis of the "Show, Attend and Tell" model. This model utilizes the VGG architecture, attention mechanism, and RNN with LSTM decoding mechanism for image caption generation. In the second stage of the work, experiments are performed to compare the performance times of the AMD Ryzen 7 5800X and Intel Core i5-7300HQ processors with different packet sizes. The results showed that the AMD Ryzen 7 5800X processor is faster by a factor of 1.8 to 19, depending on the data storage type and interface. Additionally, the GeForce RTX 3070 Ti graphics card demonstrated higher efficiency compared to other cards based on optimal packet size. These results provide valuable insights into the application of different technologies for data processing.The thesis consists of 61 pages of text without appendices, 16 illustrations, 5 tables, 23 references.