Science Score: 44.0%
This score indicates how likely this project is to be science-related based on various indicators:
-
✓CITATION.cff file
Found CITATION.cff file -
✓codemeta.json file
Found codemeta.json file -
✓.zenodo.json file
Found .zenodo.json file -
○DOI references
-
○Academic publication links
-
○Academic email domains
-
○Institutional organization owner
-
○JOSS paper metadata
-
○Scientific vocabulary similarity
Low similarity (0.2%) to scientific vocabulary
Repository
Diplom
Basic Info
- Host: GitHub
- Owner: Provonsal
- License: agpl-3.0
- Language: Python
- Default Branch: master
- Size: 38.1 MB
Statistics
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 5
- Releases: 0
Metadata Files
README.md
Это моя дипломная работа. Она представляет из себя телеграмм бота, который управляет нейросетью по определению объектов на фото.
Конкретнее, находит границы изображений на присланных фото и видео и гифках:
Для работы нейросети требуется производительная видеокарта, мой вариант это 3060 ти.
При запуске бота из файла bot.py, предварительно создав бота и токен в bot father, плодами работы нейросети сможет воспользоваться любой желающий если обратиться к боту.
Бот является в каком то роде интерфейсом к нейросети, я посчитал нужным использовать бота, поскольку это бесплатно, быстро, просто, безопаснее чем например делать белый ip, платить и быть подверженным кибер атакам извне.
У проекта есть проблемы, он не закончен в этом плане, но на то она и дипломная работа, задумка не моя и где можно это реализовать я не особо представляю. Например использовать саму обученную нейросеть для более сложной нейросети, состоящей из нескольких.
Проблема в том что если пользователь попробует начать сразу несколько обработок файлов, то он может быстро заполнить ОЗУ компьютера и память видеокарты, что приведет к зависанию компьютера и очень долгому отклику бота пользователю.
Решается это путем добавления ограничения на количество обрабатываемых файлов за раз, создание очереди, реализовать можно с помощью БД. Она там присутствует и используется. Файл Sql.py, БД sqlite
Owner
- Login: Provonsal
- Kind: user
- Repositories: 1
- Profile: https://github.com/Provonsal
Citation (CITATION.cff)
cff-version: 1.2.0
preferred-citation:
type: software
message: If you use YOLOv5, please cite it as below.
authors:
- family-names: Jocher
given-names: Glenn
orcid: "https://orcid.org/0000-0001-5950-6979"
title: "YOLOv5 by Ultralytics"
version: 7.0
doi: 10.5281/zenodo.3908559
date-released: 2020-5-29
license: AGPL-3.0
url: "https://github.com/ultralytics/yolov5"
GitHub Events
Total
Last Year
Dependencies
- actions/checkout v3 composite
- actions/setup-python v4 composite
- slackapi/slack-github-action v1.23.0 composite
- actions/checkout v3 composite
- github/codeql-action/analyze v2 composite
- github/codeql-action/autobuild v2 composite
- github/codeql-action/init v2 composite
- actions/checkout v3 composite
- docker/build-push-action v4 composite
- docker/login-action v2 composite
- docker/setup-buildx-action v2 composite
- docker/setup-qemu-action v2 composite
- actions/first-interaction v1 composite
- actions/checkout v3 composite
- nick-invision/retry v2 composite
- actions/stale v8 composite
- actions/checkout v3 composite
- actions/setup-node v3 composite
- dephraiim/translate-readme main composite
- pytorch/pytorch 2.0.0-cuda11.7-cudnn8-runtime build
- gcr.io/google-appengine/python latest build
- Pillow >=7.1.2
- PyYAML >=5.3.1
- gitpython >=3.1.30
- matplotlib >=3.3
- numpy >=1.18.5
- opencv-python >=4.1.1
- pandas >=1.1.4
- psutil *
- requests >=2.23.0
- scipy >=1.4.1
- seaborn >=0.11.0
- setuptools >=65.5.1
- thop >=0.1.1
- torchvision >=0.8.1
- tqdm >=4.64.0
- ultralytics >=8.0.100
- Flask ==2.3.2
- gunicorn ==19.10.0
- pip ==21.1
- werkzeug >=2.2.3