Розпізнавання номерів автомобілів методами глибокого навчання

Скорочена інформація про документ
dc.contributor.advisorДанилов, Валерій Якович
dc.contributor.authorДєрюгін, Єгор Олександрович
dc.date.accessioned2024-03-04T09:41:04Z
dc.date.available2024-03-04T09:41:04Z
dc.date.issued2024
dc.description.abstractМагістерська робота містить: 104 с., 7 табл., 33 рис., 4 додатки і 19 посилань. Об'єктом дослідження є методи глибокого навчання та дані, які використовуються в процесі навчання. Це включає дослідження архітектур нейронних мереж, спеціалізованих на обробці зображень та відео, з метою розпізнавання номерних знаків на автомобілях. Особлива увага приділяється аналізу даних, які використовуються для навчання цих систем, зокрема зображень і відеозаписів різної якості та складності. Предметом дослідження є вдосконалення алгоритмів машинного зору та обробки зображень за допомогою згорткових нейронних мереж (CNN), з акцентом на підвищення точності та швидкості обробки зображень номерних знаків. Новизна роботи полягає не стільки у відстеженні об'єктів у реальному часі, скільки у здатності системи розпізнавати номерні знаки на відео будь-якої складності. Використання останньої версії архітектури YOLO (v8) у поєднанні з алгоритмами DeepSORT та EasyOCR дозволяє ефективно обробляти відео матеріали з різними рівнями освітлення, руху та якості зображення, забезпечуючи високу точність розпізнавання. Актуальність роботи визначається постійно зростаючими вимогами до систем автоматизованого контролю та безпеки дорожнього руху. Розвиток ефективних та надійних методів розпізнавання номерних знаків відіграє ключову роль у підвищенні безпеки на дорогах, оптимізації дорожнього руху та автоматизації процесів паркування. Застосування сучасних алгоритмів глибокого навчання, таких як YOLO v8, DeepSORT та EasyOCR, відкриває нові можливості для ефективного вирішення цих завдань. Ключові слова: машинне навчання, згорткові нейронні мережі, обробка зображень, розпізнавання номерних знаків, YOLO v8, DeepSORT, EasyOCR, аналіз відео, автоматичне розпізнавання номерів.
dc.description.abstractotherMaster's thesis contains: 104 pages, 7 tables, 33 figures, 4 appendixes, and 19 references. The object of research is deep learning methods and data used in the learning process. This includes the study of neural network architectures specialized in image and video processing for the purpose of recognizing license plates on cars. Particular attention is paid to the analysis of data used to train these systems, including images and videos of varying quality and complexity. The subject of the study is the improvement of machine vision and image processing algorithms using convolutional neural networks (CNN), with an emphasis on increasing the accuracy and speed of license plate image processing. The novelty of the work lies not so much in real-time object tracking as in the system's ability to recognize license plates in videos of any complexity. The use of the latest version of the YOLO architecture (v8) in combination with the DeepSORT and EasyOCR algorithms allows for efficient processing of video materials with different levels of lighting, motion, and image quality, ensuring high recognition accuracy. The relevance of the work is determined by the ever-increasing requirements for automated traffic control and safety systems and safety systems. The development of efficient and reliable license plate recognition methods plays a key role in improving road safety, traffic optimization, and parking automation. The use of modern deep learning algorithms, such as YOLO v8, DeepSORT, and EasyOCR, opens up new opportunities for efficiently solving these problems. Keywords: machine learning, convolutional neural networks, image processing, license plate recognition, YOLO v8, DeepSORT, EasyOCR, video analysis, automatic license plate recognition.
dc.format.extent104 с.
dc.identifier.citationДєрюгін, Є. О. Розпізнавання номерів автомобілів методами глибокого навчання : магістерська дис. : 122 Комп'ютерні науки / Дєрюгін Єгор Олександрович. - Київ, 2024. - 104 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/65175
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectзгорткові нейронні мережі
dc.subjectобробка зображень
dc.subjectрозпізнавання номерних знаків
dc.subjectаналіз відео
dc.subjectавтоматичне розпізнавання номерів
dc.subjectmachine learning
dc.subjectconvolutional neural networks
dc.subjectimage processing
dc.subjectlicense plate recognition
dc.subjectyolo v8
dc.subjectdeepsort
dc.subjecteasyocr
dc.subjectvideo analysis
dc.subjectautomatic license plate recognition
dc.subject.udc004.85:004.932.75'1](043.3)
dc.titleРозпізнавання номерів автомобілів методами глибокого навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Dieriuhin_magistr.pdf
Розмір:
4.54 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи