КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
XLVIII Науково-технічна конференція факультету комп'ютерних систем і автоматики (2019)

Розмір шрифта: 
Нейромережева архітектура detectnet в задачах виявлення об’єктів
Олександр Михайлович Кириленко

Остання редакція: 2019-03-13

Анотація


Проведено аналіз архітектури моделі нейронної мережі DetectNet. Здійснено навчання моделей для використання в задачах виявлення об’єктів у відеопослідовностях. Отриману модель було перевірено на валідаційних даних KITTI.

 

Neural network architecture DetectNet in tasks object detection

Abstract: An analysis of the architecture of the DetectNet neural network model was conducted. The training of models for use in tasks of detection of objects in video sequences is carried out. The resulting model was tested on KITTI validation data.


Ключові слова


виявлення об’єктів; глибоке навчання; DetectNet; DIGITS; Jetson TX2; KITTI; object detection; deep learning; DetectNet; DIGITS; Jetson TX2; KITTI.

Посилання


  1. Jetson TX2 – суперкомпьютер для глубинного обучения [Електронний ресурс]. – 2017. – Режим доступу до ресурсу: https://www.computerworld.ru/articles/Jetson-TX2--superkompyuter-dlya-glubokogoobucheniya. – Назва з екрану.
  2. NVIDIA DIGITS [Електронний ресурс] – Режим доступу до ресурсу: https://developer.nvidia.com/digits. – Назва з екрану.
  3. DetectNet: Deep Neural Network for Object Detection in DIGITS. [Електронний ресурс] – Режим доступу: https://devblogs.nvidia.com/detectnet-deep-neural-network-object-detection-digits/
  4. Zhang, S. Fcn-rlstm: Deep spatio-temporal neural networks for vehicle counting in city cameras. / Wu, G., Costeira, J. P., & Moura, J. M. // In Computer Vision (ICCV), IEEE International Conference. – 2017. рр. 3687-3696.

Повний текст: PDF