ПРОГРАММНЫЙ КОМПЛЕКС РАСПОЗНАВАНИЯ ОБЪЕКТОВ ДОРОЖНОЙ ИНФРАСТРУКТУРЫ
Авторы:
1.
КНИТУ
Тип:
Статья
Страницы:
с 153
по 157
Статус:
В работе
Язык материала:
русский
Ключевые слова:
РАСПОЗНАВАНИЕ ОБЪЕКТОВ, ПРОГРАММНЫЙ КОМПЛЕКС, МОДУЛЬ, НЕЙРОСЕТЕВАЯ МОДЕЛЬ, РЕЗУЛЬТАТ РАСПОЗНАВАНИЯ
Аннотация (русский):
В статье представлена задача распознавания объектов дорожной инфраструктуры на основе использования разработанного программного комплекса. Обоснована необходимость применения нейросетевых моделей YOLOv8 для решения данной задачи. При реализации программного комплекса выбраны инструментальные средства, такие как язык программирования Python, среда разработки IDLE Shell 3.9.7. Разработка программного комплекса выполнялось на ноутбуке с процессором Intel Pentium CPU 3825U, частота которого составляет 1.9 ГГц, объём оперативной памяти 8 Гб, под управлением 64-разрядной версии операционной системы Windows 10 Pro. Главными элементами комплекса программ являются модуль обнаружения, модуль классификации и экспериментально-исследовательский модуль. Модуль обнаружения включает блок алгоритма распознавания дорожных объектов на основе нейронной сети YOLOv8. Модуль классификации включает блок распределения объекта по классам (дорожный знак, дорожная разметка, светофор), а также блок оценки точности модели распознавания объектов. Экспериментально-исследовательский модуль включает распознавание объектов на тестовом изображении или видеофайле, получение результата оценки вероятности. Главное окно программного комплекса включает 3 вкладки: «Обучение модели» (содержит инструменты для обучения нейросетевых моделей YOLOv8); «Обнаружение объектов» (содержит инструменты загрузки изображений или видеофайлов, моделей для распознавания объектов дорожной инфраструктуры); «О программе» (содержит информацию о функциональности программного комплекса). Приведены примеры функционирования программного комплекса на тестовом изображении и видеофайле. В перспективе построенные нейросетевые модели распознавания на основе нейронной сети YOLOv8 целесообразно использовать в мобильном приложении для автоматического определения объектов (дорожная разметка, дорожный знак, светофор) в режиме реального времени.
В статье представлена задача распознавания объектов дорожной инфраструктуры на основе использования разработанного программного комплекса. Обоснована необходимость применения нейросетевых моделей YOLOv8 для решения данной задачи. При реализации программного комплекса выбраны инструментальные средства, такие как язык программирования Python, среда разработки IDLE Shell 3.9.7. Разработка программного комплекса выполнялось на ноутбуке с процессором Intel Pentium CPU 3825U, частота которого составляет 1.9 ГГц, объём оперативной памяти 8 Гб, под управлением 64-разрядной версии операционной системы Windows 10 Pro. Главными элементами комплекса программ являются модуль обнаружения, модуль классификации и экспериментально-исследовательский модуль. Модуль обнаружения включает блок алгоритма распознавания дорожных объектов на основе нейронной сети YOLOv8. Модуль классификации включает блок распределения объекта по классам (дорожный знак, дорожная разметка, светофор), а также блок оценки точности модели распознавания объектов. Экспериментально-исследовательский модуль включает распознавание объектов на тестовом изображении или видеофайле, получение результата оценки вероятности. Главное окно программного комплекса включает 3 вкладки: «Обучение модели» (содержит инструменты для обучения нейросетевых моделей YOLOv8); «Обнаружение объектов» (содержит инструменты загрузки изображений или видеофайлов, моделей для распознавания объектов дорожной инфраструктуры); «О программе» (содержит информацию о функциональности программного комплекса). Приведены примеры функционирования программного комплекса на тестовом изображении и видеофайле. В перспективе построенные нейросетевые модели распознавания на основе нейронной сети YOLOv8 целесообразно использовать в мобильном приложении для автоматического определения объектов (дорожная разметка, дорожный знак, светофор) в режиме реального времени.
Ключевые слова:
РАСПОЗНАВАНИЕ ОБЪЕКТОВ, ПРОГРАММНЫЙ КОМПЛЕКС, МОДУЛЬ, НЕЙРОСЕТЕВАЯ МОДЕЛЬ, РЕЗУЛЬТАТ РАСПОЗНАВАНИЯ
РАСПОЗНАВАНИЕ ОБЪЕКТОВ, ПРОГРАММНЫЙ КОМПЛЕКС, МОДУЛЬ, НЕЙРОСЕТЕВАЯ МОДЕЛЬ, РЕЗУЛЬТАТ РАСПОЗНАВАНИЯ
