ПРОГРАММНЫЙ ВИДЕОДЕТЕКТОР ДЛЯ ОБНАРУЖЕНИЯ, КЛАССИФИКАЦИИ И ПОДСЧЕТА ТРАНСПОРТНЫХ СРЕДСТВ С КАМЕР ВИДЕОНАБЛЮДЕНИЯ - Проблемы Информационных Технологий

ПРОГРАММНЫЙ ВИДЕОДЕТЕКТОР ДЛЯ ОБНАРУЖЕНИЯ, КЛАССИФИКАЦИИ И ПОДСЧЕТА ТРАНСПОРТНЫХ СРЕДСТВ С КАМЕР ВИДЕОНАБЛЮДЕНИЯ - Проблемы Информационных Технологий

ПРОГРАММНЫЙ ВИДЕОДЕТЕКТОР ДЛЯ ОБНАРУЖЕНИЯ, КЛАССИФИКАЦИИ И ПОДСЧЕТА ТРАНСПОРТНЫХ СРЕДСТВ С КАМЕР ВИДЕОНАБЛЮДЕНИЯ - Проблемы Информационных Технологий

ПРОГРАММНЫЙ ВИДЕОДЕТЕКТОР ДЛЯ ОБНАРУЖЕНИЯ, КЛАССИФИКАЦИИ И ПОДСЧЕТА ТРАНСПОРТНЫХ СРЕДСТВ С КАМЕР ВИДЕОНАБЛЮДЕНИЯ - Проблемы Информационных Технологий

ПРОГРАММНЫЙ ВИДЕОДЕТЕКТОР ДЛЯ ОБНАРУЖЕНИЯ, КЛАССИФИКАЦИИ И ПОДСЧЕТА ТРАНСПОРТНЫХ СРЕДСТВ С КАМЕР ВИДЕОНАБЛЮДЕНИЯ - Проблемы Информационных Технологий
ПРОГРАММНЫЙ ВИДЕОДЕТЕКТОР ДЛЯ ОБНАРУЖЕНИЯ, КЛАССИФИКАЦИИ И ПОДСЧЕТА ТРАНСПОРТНЫХ СРЕДСТВ С КАМЕР ВИДЕОНАБЛЮДЕНИЯ - Проблемы Информационных Технологий
НАЦИОНАЛЬНАЯ АКАДЕМИЯ НАУК АЗЕРБАЙДЖАНА

№2, 2019

ПРОГРАММНЫЙ ВИДЕОДЕТЕКТОР ДЛЯ ОБНАРУЖЕНИЯ, КЛАССИФИКАЦИИ И ПОДСЧЕТА ТРАНСПОРТНЫХ СРЕДСТВ С КАМЕР ВИДЕОНАБЛЮДЕНИЯ

Ершов Евгений В., Виноградова Людмила Н., Чевычелов Матвей И., Бутурлакин Андрей А., Волков Егор О., Васяев Антон А.

В статье рассмотрены подходы, методы и программная реализация алгоритмов обнаружения, классификации и подсчета транспортных средств на основе сверточных нейронных сетей глубокого обучения (стр.42-48).

Ключевые слова: сверточная нейронная сеть, сетевой вход, кадр, обучение, выборка, проверка.
DOI : 10.25045/jpit.v10.i2.07
Литература
  • Titov I.O. Contour Detection of Moving Image / I. O. Titov, G. M. Emelianov // Federal State Budgetary Educational Institution of Higher Education “Yaroslav-the-Wise Novgorod State University” bulletin, 2010, 27 p.
  • Mikheeva T.N. Application of Neural Network Methods for Analyzing Spatial Data Proceedings of Seven International Research and Practical Conference St. Petersburg, Saint Petersburg State University of Architecture and Civil Engineering , 2006, pp.81–84.
  • Barsky A.B. Path Choice in Step-by-step Alternative Routing in Wireless Telecommunication Network // World of Transport and Transportation, 2011, no.2. pp.4–11.
  • Barsky A.B. Path Choice in Step-by-step Alternative Routing in Wireless Telecommunication // World of Transport and Transportation, 2011, no.3. pp.14–19.
  • Yudin D. A. Recognition of Events on Images with Using Tweak of a Deep Neural Network // Optico-Electronic Devices and Devices in Recognition Systems Image,Image Processing and Symbol Information. Recognition - Digest of XIII International Sientific and Technical Conference, Kursk, 2017, pp.379–381.
  • Goodfellow I. Deep Learning, DMK-press, 2018, 652 p.
  • Graupe D. Principles of Artificial Neural Networks (Advanced Series in Circuits and Systems) / D. Graupe // Second Edition, World Scientific Pub CoInc, 2007, 238 p.
  • Umiarov N.K. Logical and Physical Interpretation of the Convolutional Neural Network Architecture / II All-Ukrainian Scientific and Technical Conference of Students, Postgraduates and Young Scientists, 11–13 April 2011, Donetsk, 2011, pp.81–85.
  • Unified, Real-Time Object Detection. URL: https://pjreddie.com/media/files/papers/
  • Real-Time Object Detection. URL: https://pjreddie.com/darknet/yolo/
  • Ershov E.V. Software Video Detector for the Detection, Classification and Counting of Vehicles from CCTV Cameras // Optoelectron Processor and Devices in Pattern Recognition System, Image Processing and Symbolic Information Systems. Identification / Digest of XIV International Sientific and Technical Conference, Kursk, 2018, pp.113–115.
  • Jim-Shih L. Dynamic synapse for signal processing in neural networks, United States Patent. No.: US 6,643.627 B2. Nov. 4, 2003.