Детальная информация
Название | Система распознавания предупреждающих дорожных знаков с использованием компьютерного зрения: выпускная квалификационная работа магистра: направление 11.04.04 «Электроника и наноэлектроника» ; образовательная программа 11.04.04_06 «Наноэлектроника и микроэлектромеханические системы» |
---|---|
Авторы | Плитаков Даниил Александрович |
Научный руководитель | Буданов Дмитрий Олегович |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт электроники и телекоммуникаций |
Выходные сведения | Санкт-Петербург, 2024 |
Коллекция | Выпускные квалификационные работы; Общая коллекция |
Тематика | ADAS; компьютерное зрение; машинное обучение; нейронные сети; предупреждающие дорожные знаки; детектирование знаков; распознавание знаков; одноплатные компьютеры; нейронные ускорители; ПЛИС; computer vision; machine learning; neural networks; traffic warning signs; sign detection; sign recognition; viola-jones method; convolutional neural networks; single-board computer; neural accelerators; FPGA |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 11.04.04 |
Группа специальностей ФГОС | 110000 - Электроника, радиотехника и системы связи |
DOI | 10.18720/SPBPU/3/2024/vr/vr24-4218 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Дополнительно | Новинка |
Ключ записи | ru\spstu\vkr\31210 |
Дата создания записи | 06.08.2024 |
Разрешенные действия
–
Действие 'Загрузить' будет возможно после подготовки администраторами необходимых файлов
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
В работе проведен обзор алгоритмов и методов для задач детектирования и распознавания дорожных знаков. Разработаны алгоритмы детектирования предупреждающих дорожных знаков с использованием метода Виолы-Джонса с цветовой сегментацией и альтернативный алгоритм с использованием нейронной сети YOLO и алгоритмы распознавания предупреждающих дорожных знаков на основе сверточной нейронной сети и сети с пространственным преобразованием. Проведено тестирование разработанных алгоритмов на различных платформах и определена наилучшая конфигурация. Рассмотрены методы увеличения производительности системы при помощи платформы ПЛИС.
In this work an overview of algorithms and methods for traffic sign detection and recognition has been provided. A traffic warning sign detection algorithm using Viola-Jones method with an alternative YOLO algorithm and a traffic warning sign recognition algorithm based on a convolutional neural network and on a spatial transform network have been developed. The developed system has been tested on various hardware platforms and the most efficient configuration was chosen. Methods for increasing the performance of the developed traffic warning sign recognition system using FPGA hardware platform have been considered.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 0
За последние 30 дней: 0