Разработка автоматизированной системы классификации товаров по их изображениям
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
емя парса составляет 0,0204 сек, минимальное - 0,0058 сек, среднее - 0,0122 сек.
Теперь будет приведён тест производительности при парсинге товаров. Товары на сайте представлены страницами по 25 товаров на каждой странице. Максимальное время парса страницы -2,8057 сек, минимальное -1,6170 сек, среднее - 2,1116 сек.
Рис. 18.Время парсинга товаров
На рисунке 18изображен график, на котором представлены 50 случайных товаров и время их парсинга. Минимальное время составляет 0,0003 сек, максимальное - 0,0023 сек, среднее время - 0,0007 сек.
Рис. 19.Время сохранения изображений на диск
На данном графике (рис. 19) представлен результат тестирования производительности сохранения 250 случайных изображений на диск. Минимальное время равно 0,0662 сек, максимальное составляет 0,3213 сек, среднее - 0,0996 сек.
Ранее упоминалось, что общее число изображений для тестирования составляет 19863. Приведём тестирование производительности на этапе подготовки образов для дальнейшего обучения нейронных сетей. Образы обрабатывались для подготовки различным нейронным сетям. Максимальное время обработки - 0,03217 сек, минимальное - 0,01103 сек, среднее - 0,02054. График, наглядно отображающий время, затраченное на обработку каждого набора изображений, представлен на рисунке 20.
Рис. 20.Время подготовки данных для обучения нейронных сетей
После того, как данные подготовлены, можно приступить к обучению нейронных сетей.
Рис. 21.Время обучения нейронных сетей
На рисунке 21 представлен график, на котором отображено время обучения нейронных сетей. Максимальное время составляет 0,2057 сек, минимальное - 0,1054 сек, среднее - 0,0932 сек.
После того, как обучение нейронных сетей завершено, необходимо сохранить конфигурационные файлы сетей на диск. На рисунке 22 представлено тестирование производительности при сохранении файлов на диск.
Рис. 22.Время сохранения файлов конфигурации нейронных сетей на диск
Как видно из графиков, представленных на рисунке 22, максимальное время сохранения конфигурационного файла сети составляет 5,68 сек, минимальное - 5,52 сек, среднее - 5,60 сек.
Для классификации изображений нейронные сети должны быть проинициализированы. Далее будет представлен результат тестирования производительности на этапе инициализации нейронных сетей.
Рис. 23.Время инициализации нейронных сетей
Из графиков, представленных на рисунке 23, видно, что максимальное время инициализации нейронной сети равно 6,12 сек, минимальное - 5,95 сек, среднее - 6,00 сек.
Последним и самым значимым в плане производительности этапом работы программы является непосредственно работа нейронных сетей.
Рис. 24.Время работы нейронных сетей
Изучив графики с рисунка 24 можно сделать вывод, что максимальное время работы одиночной нейронной сети составляет 0,01046 сек, минимальное - 0,00860 сек, среднее - 0,00915 сек.
Из проведенной апробации видно, что время работы программы в целом невелико, а самым главным достоинством является то, что удалось достичь довольно высокой точности классификации при очень небольшом времени обучения и работы нейронных сетей. Время, которое затрачивается на извлечение данных из одной категории, может сильно отличаться, в зависимости от количества товарных позиций, представленных в данной категории, но в среднем для категорий, содержащих не более 2000 товаров, время обработки составляет 2 минуты.
Заключение
Основным результатом данной дипломной работы является разработка программного обеспечения для классификации товаров по их изображениям.
Также был проведен анализ объекта исследования и привлекаемых для решения поставленной задачи методов.
Алгоритм классификации товаров по их изображениям был реализован на языке C#. Работоспособность данного алгоритма проверялась с помощью данного программного продукта.
Апробация методики проводилась на фактических данных из нескольких случайных категорий веб-ресурса molotok.ru.
Разработанная система классификации товаров была внедрена и используется для осуществления коммерческой деятельности на предприятии ООО Алсени.
Список использованной литературы
1.Абрамян М. VisualC# на примерах. - Санкт Петербург: BHV-Санкт-Петербург, 2008 - 496с.
2.Евсеева О.Н., Шамшев А.Б. Работа с базами данных на языке C#. Технология ADO.NET. - Ульяновск: УлГТУ, 2009 - 176с.
.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. - М.: МГТУ им. Н. Э. Баумана, 2004. - 400с.
.Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. - М.: Горячая линия - Телеком, 2001. - 382с.
.Хабрахабр [Электронный ресурс]: Распараллеливание задач. Случай идеальной параллельности. Часть 1. Режим доступа:
.Хабрахабр [Электронный ресурс]: Распараллеливание задач. Случай идеальной параллельности. Часть 2. Режим доступа:
.Эндрю Троелсен. Язык программирования C# 2010 и платформа.NET 4. - М.: Вильямс, 2010. - 1392с.
8.MSGeeks [Электронный ресурс]: Регулярные выражения в C#. Режим доступа:
Приложение
Листинг программы
Модуль Threading
using System;
using System.Collections.Generic;System.Linq;System.Text;grabberMolotok.Threading
{class ThreadHelper
{static List list, int splits)
{count = list.Count;(count < splits)
{[count];(int i = 0; i < count;