Детальная информация

Объектом исследования являются модели, используемые для обучения на одном примере. Целью работы является разработка алгоритма с применением этих моделей для подсчёта объектов на изображении. Был проведён анализ существующих подходов к реализации подсчёта и детекции объектов, проведена работа с датасетами, и обучено несколько моделей нейронных сетей, построенных на архитектуре свёрточных нейронных сетей ResNet 50, которые используются для обнаружения объектов в алгоритме подсчёта, написанного на языке Python, и проведено экспериментальное исследование этого алгоритма. Были достигнуты следующие показатели метрик: для полноты значение составило 0.85, для средней точности – 0.61. В дальнейшем результаты работы могут использоваться для доработки полученного алгоритма, переработки датасета обучения и внедрении системы подсчёта объектов на предприятиях для организации логистических процессов и оптимизации хранения продукции.

The object of the research is one-shot learning neural networks. The purpose of the work is to develop an algorithm using these models for object counting in images. An analysis of existing approaches to object counting and detection was conducted, datasets were processed, and several models based on the ResNet 50 convolutional neural network architecture were trained. These models are used for object detection within the counting algorithm, which is implemented in Python. An experimental study of this algorithm was also conducted. The following metric values were achieved: a recall of 0.85 and an average precision of 0.61. The results of this work can be used for further refinement of the developed algorithm, reworking the training dataset, and implementing the object counting system in enterprises for organizing logistics processes and optimizing product storage.