| dc.description.abstract | Η μηχανική μάθηση και η υπολογιστική όραση αποτελούν τεχνολογίες αιχμής
στην εποχή μας. Η χρήση αλγορίθμων εντοπισμού αντικειμένων σε στατικές εικόνες
ή βίντεο στους τομείς αυτούς παρουσιάζει μια πλειάδα εφαρμογών στην ανθρώ-
πινη καθημερινότητα και στην επιστημονική έρευνα, όπως η αναγνώριση ασθενειών
από φωτογραφίες μαγνητικών και αξονικών τομογράφων, η χρήση αλγορίθμων μη-
χανικής μάθησης για την αναγνώριση αντικειμένων και ανθρώπων σε συστήματα
παρακολούθησης, η διαλογή και συσκευασία φρούτων και λαχανικών που αναγνω-
ρίστηκαν και ικανοποιούν προδιαγραφές εμφάνισης και ποιότητας και τα έξυπνα
αυτοκίνητα που κινούνται ανεξάρτητα από την οδηγική ικανότητα του ανθρώπου
την δεδομένη στιγμή. Αυτοί είναι κάποιοι από τους τομείς που μπορούν να αναφερ-
θούν όπου εφαρμόζονται συστήματά μηχανικής μάθησης αναγνώρισης αντικείμενων
με ιδιαίτερη επιτυχία. Ο ανθρώπινος παράγοντας βέβαια δεν πρέπει να υποτιμη-
θεί γιατί το ανθρώπινο μάτι έχει τη δυνατότητά να αναγνωρίζει αντικείμενα σε
πραγματικό χρόνο. Όταν αυτά τα δεδομένα αφορούν στον προσωπικό χαρακτήρα
του κάθε ανθρώπου, δεν θα πρέπει να διακινούνται ελεύθερα χωρίς τις απαραίτητες
δικλείδες ασφαλείας. Αλγόριθμοι κρυπτογράφησης και αποκρυπτογράφησης των ει-
κόνων έρχονται να καλύψουν αποτελεσματικά αυτήν την απαίτηση. Σκοπός αυτής
της εργασίας είναι η ανάλυση και η υπολογιστική μελέτη των αλγορίθμων μηχανι-
κής μάθησης Faster R-CNN και YOLO για την ανίχνευση αντικειμένων σε εικόνες και
των αλγορίθμων DES, AES και BlowFish που πραγματοποιούν την κρυπτογράφηση-
αποκρυπτογράφηση στις εικόνες αυτές. Από την εκτέλεση των παραπάνω αλγορίθ-
μων για την αναγνώριση αντικειμένων προέκυψε ότι ο αλγόριθμος YOLO παρουσιά-
ζει καλύτερα αποτελέσματα σε σχέση με τον αλγόριθμο Faster R-CNN, τόσο στην
ακρίβεια όσο και στον χρόνο εκτέλεσής του. Σχετικά με τη σύγκριση που έγινε ανά-
μεσα στους αλγορίθμους κρυπτογράφησης-αποκρυπτογράφησης εικόνων προέκυψε
ότι ο αλγόριθμος AES είναι ο καταλληλότερος καθώς πραγματοποιεί την κρυπτογράφηση
σε λιγότερους γύρους και κατά συνέπεια αυτό τον κάνει τον πιο γρήγορο σε σχέση με τους
αλγορίθμους DES και BlowFish. | en_US |
