Отрывок: На рис. 5 продемонстрирован рост точности классификации со временем. Рисунок 4. Изменение точности классфикации со временем. Капсульная нейронная сеть показала лучшую точность распознавания знаков по сравнению со сверточной сетью (при одинаковом объеме выборки и количеством классов), однако сеть обучалась несколько дольше. Науки о данных К.А. Прончук, П.Ю. Якимов IV Международная конференция и молодёж...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorПрончук, К.А.-
dc.contributor.authorЯкимов, П.Ю.-
dc.contributor.authorPronchuk, K.-
dc.contributor.authorYakimov, P.-
dc.date.accessioned2018-05-18 14:48:21-
dc.date.available2018-05-18 14:48:21-
dc.date.issued2018-
dc.identifierDspace\SGAU\20180518\69488ru
dc.identifierDspace\SGAU\20180518\69488ru
dc.identifier.citationК.А. Прончук. Разработка веб-сервиса по распознаванию знаков дорожного движения на основе сверточных нейронных сетей / К.А. Прончук, П.Ю. Якимов // Сборник трудов IV международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2018) - Самара: Новая техника, 2018. - С.2319-2327.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Razrabotka-vebservisa-po-raspoznavaniu-znakov-dorozhnogo-dvizheniya-na-osnove-svertochnyh-neironnyh-setei-69488-
dc.description.abstractРешение задачи классификации является одним из важнейших применений нейронных сетей. В настоящей статье предложен алгоритм для распознавания дорожных знаков на основе сверточных нейронных сетей. Для этого использовались современные подходы к распознаванию изображений, обучение нейронной сети происходило при помощи библиотеки TensorFlow и архитектуры параллельных вычислений CUDA. Для использования данной нейронной сети был также разработан веб-сервис на основе CUBA.platform. The one of the most general application domain of neural networks is a problem of pattern recognition. In this paper we present road signs recognition algorithm based on convolutional neural networks. For that aim we use modern approaches of pattern recognition, neural network was trained using machine learning software library TensorFlow and parallel computing platform CUDA. For later use of this neural network we develop a web-service based on CUBA.platform.ru
dc.description.sponsorshipИсследование выполнено при финансовой поддержке РФФИ в рамках научного проекта No 16-37-60106 мол_а_дк.ru
dc.language.isorusru
dc.publisherНовая техникаru
dc.subjectconvolutional neural networksru
dc.subjectdeep learningru
dc.subjecttensorflowru
dc.subjectweb-serviceru
dc.subjectroad signs recognitionru
dc.titleРазработка веб-сервиса по распознаванию знаков дорожного движения на основе сверточных нейронных сетейru
dc.title.alternativeWeb service development for road signs recognition based on convolutional neural networksru
dc.typeArticleru
dc.textpartНа рис. 5 продемонстрирован рост точности классификации со временем. Рисунок 4. Изменение точности классфикации со временем. Капсульная нейронная сеть показала лучшую точность распознавания знаков по сравнению со сверточной сетью (при одинаковом объеме выборки и количеством классов), однако сеть обучалась несколько дольше. Науки о данных К.А. Прончук, П.Ю. Якимов IV Международная конференция и молодёж...-
Располагается в коллекциях: Информационные технологии и нанотехнологии




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.