ПРОВЕДЕНИЕ АНАЛИЗА АЛГОРИТМОВ ГЛУБОКОГО ОБУЧЕНИЯ, ИСПОЛЬЗУЕМЫХ ПРИ ОБНАРУЖЕНИИ ДОРОЖНЫХ ЗНАКОВ

Аннотация

Аннотация. В данной статье анализируются алгоритмы сверточных нейронных сетей (CNN) и изучается их применение в области компьютерного зрения, в частности, в автоматизированных системах распознавания дорог. Основное внимание уделено структуре архитектуры CNN, принципам работы и ее возможностям при сегментации изображений. В результате данной работы будут рассмотрены теоретические и практические аспекты разработки системы распознавания дорожных знаков на основе технологий искусственного интеллекта, а также сделаны предложения по созданию системы, способной работать в режиме реального времени.

Ключевые слова

Литература

1. Szeliski, R. (2022). Computer Vision: Algorithms and Applications. Springer. ISSN - 1868 - 0941. https://doi.org/10.1007/978 - 3 - 030 - 34372 - 9
2. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. The MIT Press, 2016, 800 pp, ISBN: 0262035618. DOI:10.1007/s10710 - 017 - 9314 - z
3. Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.
4. Athanasios Voulodimos, Nikolaos Doulamis, Anastasios Doulamis, and Eftychios Protopapadakis. Deep Learning for Computer Vision: A Brief Review. Volume 2018, Article ID 7068349, 13 pages, https://doi.org/10.1155/2018/7068349.
5. Redmon, J., & Farhadi, A. (2018). YOLOv3: An Incremental Improvement. arXiv preprint arXiv:1804.02767.
6. He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask R - CNN. In Proceedings of the IEEE ICCV.
7. R. Sharma, R. B. Pachori, and P. Sircar, (2020). “Automated emotion recognition based on higher - order statistics and deep learning algorithm,” Biomedical Signal Processing and Control, vol. 58, p. 101867.
8. Zhongqin Bi,·Ling Yu, Honghao Gao, Ping Zhou, Hongyang Yao. (2021) Improved VGG model‑based e ffi cient tra ffi c sign recognition for safe driving in 5G scenarios. International Journal of Machine Learning and Cybernetics 12(3). DOI:10.1007/s13042 - 020 - 01185 - 5
9. A. Almalaq and G. Edwards. (2017). “A review of deep learning methods applied on load forecasting,” in Proceedings - 16th IEEE International Conference on Machine Learning and Applications, ICMLA 2017, pp. 511 – 516. doi: 10.1109/ICMLA.2017.0 - 110
10. K. Simonyan and A. Zisserman, (2014) “Very deep convolutional networks for large - scale image recognition,” Computer Science, arXiv preprint arXiv:1409.1556.
11. Alexander Wong, Mohammad Javad Sha fi ee, Michael St. Jules. (2018) MicronNet: A Highly Compact Deep Convolutional Neural Network Architecture for Real - Time Embedded Traffic Sign Classification. DOI:10.1109/ACCESS.2018.2873948