КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, Молодь в науці: дослідження, проблеми, перспективи (МН-2021)

Розмір шрифта: 
Аналіз типів згорткових нейронних мереж для задачі розпізнавання об’єктів дорожнього руху
Микола Юрійович Демчук, Людмила Вікторівна Крилик

Остання редакція: 2021-04-30

Анотація


Розглянуто принцип роботи згорткових нейронних мереж, методи виявлення і розпізнавання об’єктів дорожнього руху, та їх особливості.

 

Analysis of convolutional neural networks types for the task of traffic objects recognition

Abstracts: The principle of operation of convolutional neural networks, methods of road traffic objects detection and recognition, and their features are considered.


Ключові слова


штучний інтелект; згорткова нейронна мережа; виявлення образів; розпізнавання об’єктів; дорожній рух; artificial intelligence; convolutional neural network; object detection; object recognition; road traffic

Посилання


What is Object Detection [Електронний ресурс]. – Режим доступу: https://www.mathworks.com/discovery/object-detection.html/. – Назва з екрану.

 

Convolutional Neural Networks [Електронний ресурс]. – Режим доступу: https://towardsdatascience.com/convolutional-neural-networks-for-beginners-using-keras-and-tensorflow-2-c578f7b3bf25. – Назва з екрану.

 

Демчук М. Ю. Дослідження нейромережевого підходу для розпізнавання об’єктів дорожнього руху [Електронний ресурс] / М. Ю. Демчук, Л. В. Крилик // L Науково-технічна конференція підрозділів Вінницького національного технічного університету (Вінниця, 2021). – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2021/paper/view/12348. – Назва з екрану.

 

Sharif Razavian, A., Azizpour, H., Sullivan, J., & Carlsson, S. CNN features off-the-shelf: an astounding baseline for recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition workshops, 2014; pp. 806-813.

 

R-CNN, Fast R-CNN, Faster R-CNN, YOLO – Object Detection Algorithms [Електронний ресурс]. – Режим доступу: https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e. – Назва з екрану.

 

Girshick, R.; Donahue, J.; Darrell, T.; Malik, J. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation. In Proceedings of the EEE Conference on Computer Vision and Pattern Recognition (CVPR), Columbus, OH, USA, 24-27 June 2014; pp. 580-587.

 

Girshick, R. Fast R-CNN. In Proceedings of the IEEE international conference on computer vision, 2015; pp. 1440-1448.

 

Ren, S., He, K., Girshick, R., & Sun, J. Faster R-CNN: Towards real-time object detection with region proposal networks. In Advances in neural information processing systems, 2015; pp. 91-99.

 

Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. You only look once: Unified, real-time object detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016; pp. 779-788.

 

Redmon, J.; Farhadi, A. YOLO9000: Better, Faster, Stronger. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, HI, USA, 21-26 July 2017; pp. 6517-6525.


Повний текст: PDF