Математичне та програмне забезпечення системи розпізнавання марки автомобілів на фотографіях в умовах обмеженого ракурсу
Вантажиться...
Дата
2023
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дисертацію виконано на 95 аркушах, вона містить 3 додатки та перелік посилань на використані джерела з 37 найменувань. У роботі наведено 36 рисунки та 2 таблиці.
Актуальність теми. На сьогоднішній день у світі існує величезна кількість транспортних засобів і наземний транспорт, очевидно, є основним способом пересування людства. З цього випливає, що контроль потоку транспортних засобів є дуже важливою задачею, так як завжди є необхідним в реальному часу відслідковувати порушення правил дорожнього руху, фіксувати переміщення вантажівок, знаходити автомобілі по системі камер тощо.
Більшість систем, що встановлюються на дорогах громадського використання, навчені для розпізнавання авто спереду та ззаду, так як цього достатньо для більшості потреб систем контролю. Проте, не завжди є можливість встановити камеру, на яку покладено роботу зйомки трафіку, таким чином, тому є необхідність розробити систему, що може розпізнавати автомобілі незалежно від ракурсу та повноти зображення авбомобілю.
Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського».
Мета і задачі дослідження. Метою дисертаційної роботи є створення системи здатної швидко та ефективно класифікувати автомобілі на цифрових зображеннях в умовах обмеженого ракурсу.
Для досягнення мети було розв’язано такі задачі:
- провести аналіз предметної області
- зібрати або знайти необхідний
- розробити алгоритмм розпізнавання моделі автомобіля на фотографії
- розробити демонстраційну систему та інтегрувати алгоритм неї
Об’єктом дослідження є методи роботи із зображеннями та їх класифікації.
Предметом дослідження є застосування методів машинного навчання для заадчі класифікації зображень.
Методи дослідження. Основним методом, що був використаний в дисертації для класифікації класів автомобілів є метод машинного навчання – згорткова нейронна мережа.
Наукова новизна одержаних результатів роботи. Використано архітектуру згорткової нейронної мережі, яка за показниками точності та повноти не поступається відомим аналогам, але потребує менше часу на її навчання, використовує меншу кількість параметрів, швидше класифікує цифрові зображення і потребує менше ресурсів для розгортання і використання. Також система, в яку інтегрована мережа, робить акцент на зображеннях автомобілів в неповних ракурсах.
Практичне значення роботи полягає у створенні власного модулю для класифікації цифрових зображень із використанням нейронних мереж. За допомоги цього модуля можна оптимізувати системи, де існує необхідність розпізнавання марки та моделі автомобіля, в ситуаціях, коли неможливо отримати повне зображення авто.
Опис
Ключові слова
згорткова нейронна мережа, автомобіль, машинне навчання, класифікація, python, бібліотека, штучний інтелект, numpy, scikit-learn, matplotlib, набір даних, compcars, pyQt5, effectiveNet v2
Бібліографічний опис
Гуро, Д. А. Математичне та програмне забезпечення системи розпізнавання марки автомобілів на фотографіях в умовах обмеженого ракурсу : магістерська дис. : 113 Прикладна математика / Гуро Дмитро Анатолійович. – Київ, 2023. – 149 с.