ISSN 1991-2927
 

АПУ № 4 (54) 2018

Автор: "Шрамов Вадим Андреевич"

УДК 004.932.2

Воронов Сергей Васильевич, Ульяновский государственный университет, кандидат технических наук, окончил радиотехнический факультет Ульяновского государственного технического университета, доцент кафедры «Радиотехника» УлГТУ. Имеет статьи и монографии в областях обработки и анализа сигналов, изображений и их последовательностей, а также компьютерного зрения. [e-mail: valmedia@yandex.ru]С.В. Воронов,

Мухометзянов Ринат Наилевич, университет Ватерлоо, Канада, аспирант университета Ватерлоо, Канада, окончил радиотехнический факультет УлГТУ. Имеет статьи в области компьютерного зрения. [e-mail: mukhometzyanov@mail.ru]Р.Н. Мухометзянов,

Воронов Илья Васильевич, Ульяновский государственный университет, окончил радиотехнический факультет УлГТУ, аспирант того же университета. Имеет статьи в области обработки и рекуррентного оценивания параметров цифровых изображений и их последовательностей. [e-mail: ilvo1987@gmail.com]И.В. Воронов,

Шрамов Вадим Андреевич, ФНПЦ АО «НПО «Марс», окончил радиотехнический факультет УлГТУ, аспирант того же университета. Инженер-исследователь ФНПЦ АО «НПО «Марс». [e-mail: vadim_shramov@mail.ru]В.А. Шрамов

Обнаружение и распознавание дорожных знаков в реальном времени на мобильных устройствах52_13.pdf

Системы автоматического распознавания дорожных знаков выполняют локализацию дорожных знаков и их распознавание на изображениях, поступающих с бортовых камер автотранспортных средств. Подобные системы направлены на помощь водителям во время движения, а также являются неотъемлемой частью систем автоматического управления или продвинутой поддержки. Статья посвящена детектированию и распознаванию дорожных знаков на основе применения технологий глубокого обучения, адаптированных для мобильных систем с малым энергопотреблением. Предложен подход к распознаванию знаков, состоящий из двух последовательных этапов: детектирование дорожного знака и распознавание класса обнаруженного знака. Данные для анализа были взяты из трех открытых наборов изображений. С целью анализа эффективности полученного решения достигнутые результаты сравнивались с результатами известных подходов к решению задачи детектирования объектов, основанных на применении глубоких сверточных нейронных сетей. Проведенное исследование показало, что предложенный подход для всех использованных наборов данных дал как лучшее качество распознавания, так и максимальное быстродействие.

Глубокое обучение, алгоритм виолы-джонса, сверточные нейронные сети, распознавание дорожных знаков, обнаружение объектов.

2018_ 2

Рубрика: Искусственный интеллект

Тематика: Искусственный интеллект.


УДК 004.932.2

Воронов Сергей Васильевич, Ульяновский государственный технический университет, кандидат технических наук, окончил радиотехнический факультет Ульяновского государственного технического университета, доцент кафедры «Радиотехника» УлГТУ. Имеет статьи и монографии в областях обработки и анализа сигналов, изображений и их последовательностей, а также в области компьютерного зрения. [e-mail: valmedia@yandex.ru]С.В. Воронов,

Воронов Илья Васильевич, Ульяновский государственный технический университет , окончил радиотехнический факультет УлГТУ, аспирант УлГТУ. Имеет статьи в области обработки и рекуррентного оценивания параметров цифровых изображений и их последовательностей. [e-mail: ilvo1987@gmail.com]И.В. Воронов,

Шрамов Вадим Андреевич, ФНПЦ АО «НПО «Марс», окончил радиотехнический факультет УлГТУ, аспирант УлГТУ. Инженер-исследователь ФНПЦ АО «НПО «Марс». [e-mail: vadim_shramov@mail.ru]В.А. Шрамов

Обнаружение объектов на изображениях с применением гистограмм ориентаций градиентов000_9.pdf

Автоматизированное обнаружение объектов различных классов на изображениях и кадрах видеопоследовательностей является одной из основных задач компьютерного зрения. Наиболее широко используемый на сегодняшний день подход к решению данной задачи заключается в извлечении из локальных областей изображений объектов некоторых признаков и дальнейшем обучении на основе полученных векторов признаков алгоритмов классификации. При этом наибольший интерес с точки зрения соотношения эффективности и требуемых вычислительных ресурсов представляют признаки, получаемые на основе гистограмм ориентаций градиентов. Данная работа посвящена модификации способа извлечения локальных признаков на основе гистограмм ориентаций градиентов, которая заключается в извлечении признаков вдоль граней, что позволяет учитывать их пространственное расположение. Также для увеличения дискриминационных свойств векторов признаков предложено дополнительно использовать информацию о структуре, которая основана на использовании «центра тяжести» локальных областей. Полученные экспериментальные результаты позволяют говорить о том, что предложенные изменения по сравнению с традиционным способом извлечения признаков позволяют повысить как точность обнаружения объектов разных классов, так и скорость сходимости алгоритмов классификации.

Обнаружение объекта, гистограмма ориентаций градиентов, локальные признаки, вектор признаков, классификация.

2017_ 2

Рубрика: Информационные системы

Тематика: Информационные системы.


© ФНПЦ АО "НПО "Марс", 2009-2018 Работает на Joomla!