Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
В настоящей работе рассмотрены классические и нейросетевые подходы обработки изображений в задаче обнаружения и классификации объектов в видеопоследовательности с борта беспилотного летательного аппарата. На основе анализа рассмотренных подходов выбрана архитектура, наиболее подходящая для распознавания мелкомасштабных объектов заданного типа в режиме реального времени – YOLO2. Собран и размечен репрезентативный набор данных, который был использован для обучения выбранного детектора. Получена модель YOLO2 позволяющая различать автомобили, самолёты, вертолёты, корабли и здания с удовлетворительной точностью классификации и локализации.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All | |||||
Internet | Authorized users SPbPU | |||||
Internet | Anonymous |
Table of Contents
- СОДЕРЖАНИЕ
- ВВЕДЕНИЕ
- ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ АЛГОРИТМОВ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ
- 1.1 Детектор Виолы-Джонса
- 1.2 Детектор Далала-Триггса
- 1.3 DPM
- 1.4 Семейство R-CNN
- 1.4.1 Fast R-CNN
- 1.4.2 Faster R-CNN
- 1.4.3 Mask R-CNN
- 1.4.4 PVANet
- 1.5 YOLO
- 1.6 Single Shot MultiBox Detector (SSD)
- 1.7 YOLO2
- 1.8 Метрики в задачах компьютерного зрения
- ГЛАВА 2. ВЫБОР АЛГОРИТМА
- ГЛАВА 3. ЭКПЕРЕМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ
- 3.1. ОБУЧЕНИЕ
- 3.2 ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ
- ЗАКЛЮЧЕНИЕ
- Список литературы
Usage statistics
Access count: 261
Last 30 days: 0 Detailed usage statistics |