Отрывок: 21%, что является достоверным показателем [5]. Необходимо использовать алгоритм сегментации и экспериментально оценить качество работы на реальном видеопотоке. После прохождения алгоритма сегментации изображения дорожных знаков масштабируются и подаются на вход обученной нейронной сети [6]. Средний показатель качества распознавания для изображений, вырезанных из реального видеопотока, составляет 97.64%, что является достоверным показателем. На основании пров...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Клепиков Н. | ru |
dc.contributor.author | Михеева Т. | ru |
dc.coverage.spatial | сверточные нейронные сети | ru |
dc.coverage.spatial | системы компьютерного зрения | ru |
dc.coverage.spatial | распознавание дорожных знаков | ru |
dc.coverage.spatial | дорожные знаки | ru |
dc.coverage.spatial | интеллектуальная транспортная геоинформационная система ITSGIS | ru |
dc.coverage.spatial | компьютерное зрение | ru |
dc.coverage.spatial | обработка изображений | ru |
dc.creator | Клепиков Н., Михеева Т. | ru |
dc.date.issued | 2022 | ru |
dc.identifier | RU\НТБ СГАУ\491281 | ru |
dc.identifier.citation | Клепиков, Н. Распознавание дорожных знаков в интеллектуальной транспортной геоинформационной системе ITSGIS / Н. Клепиков, Т. Михеева // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 043963. | ru |
dc.description.abstract | В данной статье описано распознавание дорожных знаков с помощью сверточных нейронных сетей, а также реализация плагина «Дорожные знаки» в интеллектуальной транспортной геоинформационной системе ITSGIS. Плагин "Дорожные знаки" облегчит работу пользователям вышеуказанной разработки. Цель работы – разработать эффективный метод распознавания дорожных знаков, обладающий высокой степенью инвариантности к искажениям. Экспериментальные исследования показали, что с помощью сверточных нейронных сетей можно достичь высокой точности распознавания изображений. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. - | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2022). - Т. 4 : Искусственный интеллект | ru |
dc.title | Распознавание дорожных знаков в интеллектуальной транспортной геоинформационной системе ITSGIS | ru |
dc.type | Text | ru |
dc.citation.spage | 043963 | ru |
dc.citation.volume | 4 | ru |
dc.textpart | 21%, что является достоверным показателем [5]. Необходимо использовать алгоритм сегментации и экспериментально оценить качество работы на реальном видеопотоке. После прохождения алгоритма сегментации изображения дорожных знаков масштабируются и подаются на вход обученной нейронной сети [6]. Средний показатель качества распознавания для изображений, вырезанных из реального видеопотока, составляет 97.64%, что является достоверным показателем. На основании пров... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-043963.pdf | 767.65 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.