Застосування методу сегментації на основі моделей нейронних мереж для вирішення задач розпізнавання номерних знаків

Автор(и)

  • А. Яковлев КПІ ім. Ігоря Сікорського, Україна

DOI:

https://doi.org/10.20535/1560-8956.44.2024.302420

Ключові слова:

сегментація, система детектування, YoloV5, машинне навчання, згорткові нейромережі

Анотація

Через мінливість навколишнього середовища реального світу існуючі підходи не завжди можуть бути ефективними при вирішенні завдання розпізнавання номерного знаку. Нейромережі, що використовуються в галузі розпізнавання образів та є активно досліджуваними сьогодні мають потенціал до підвищення якісних характеристик при вирішенні подібних завдань в галузі розпізнавання. В даній статті проведено огляд застосування методу сегментації на основі моделей нейронних мереж для вирішення задач розпізнавання номерних знаків. Отримані результати продемонстровано на вирішенні практичного завдання та доведено ефективність запропонованого підходу.

Бібл. 11, іл. 6

Посилання

ДСТУ 8809:2018 Метрологія. Прилади контролю за дотриманням правил дорожнього руху з функціями фото- і відеофіксації. Вимірювачі швидкості руху транспортних засобів дистанційні, вимірювачі просторово-часових параметрів місцеположення транспортних засобів дистанційні. Метрологічні та технічні вимоги.

Ямпольський Л.С. Нейротехнології та нейрокомп’ютерні системи: підручник / Л.С. Ямпольський, О.І. Лісовиченко, В.В. Олійник. – К.: "Дорадо-Друк", 2016. – 576 с.

Anton, Y., & Oleh, L. (2023). Complex approach for license plate recognition effectiveness enhancement based on machine learning models. In Lecture notes on data engineering and communications technologies (pp. 416–425). [Електронний ресурс] - Режим доступу до ресурсу: https://doi.org/10.1007/978-3-031-36115-9_38

Anton, Y., Oleh, L. (2022). Automated License Plate Recognition Process Enhancement with Convolutional Neural Network Based Detection System to Improve the Accuracy and Reliability of Vehicle Recognition. In: Hu, Z., Dychka, I., Petoukhov, S., He, M. (eds) Advances in Computer Science for Engineering and Education. ICCSEEA 2022. Lecture Notes on Data Engineering and Communications Technologies, vol 134. Springer, Cham [Електронний ресурс] - Режим доступу до ресурсу: https://doi.org/10.1007/978-3-031-04812-8_21

Ultralytics/yolov5. GitHub (2020) [Електронний ресурс] - Режим доступу до ресурсу: https://github.com/ultralytics/yolov5

A. Yakovlev, AntonYakovlev/Yoloanno. GitHub (2020) [Електронний ресурс] - Режим доступу до ресурсу: https://github.com/AntonYakovlev/Yoloanno

Yakovlev, A., Lisovichenko, I. Підхід до автоматизації анотування зображень для навчання моделей штучного інтелекту. Адаптивні системи автоматичного управління. 2020. Том 1, № 36. С. 32-40. [Електронний ресурс] - Режим доступу до ресурсу: http://asac.kpi.ua/article/view/209755

Система "ВІДЕОКОНТРОЛЬ-Рубіж". Ollie.com.ua (2020) [Електронний ресурс] - Режим доступу до ресурсу: http://www.ollie.com.ua/videocontrol/index.html

УСІ, Продукція - УСІ. Ukrsi.com.ua (2020) [Електронний ресурс] - Режим доступу до ресурсу: http://ukrsi.com.ua/products/

Yakovlev, A., Lisovichenko, I. "Methods For Creating Templates For Machine Learning", Bulgarian Journal for Engineering Design, issue 43, January 2021, p.83-86 [Електронний ресурс] - Режим доступу до ресурсу: https://bjed.tu-sofia.bg/items/BJED-0043(2021).pdf

Yakovlev, A., Lisovichenko, I. An Approach To DSS Methods Usage At Vehicles Recognition And Identification. Адаптивні системи автоматичного управління. 2021. Том 1, № 38. С. 10-17. [Електронний ресурс] - Режим доступу до ресурсу: http://asac.kpi.ua/article/view/232950

##submission.downloads##

Опубліковано

2024-04-23

Номер

Розділ

Статті