виявлення об'єктів на відеозображенні

Метод експоненційної аугментації даних для підвищення ефективності YOLO в задачах комп’ютерного зору

У статті розглядаються методи аугментації даних у завданні розпізнавання зображень, зокрема проаналізовано підхід експоненційної аугментації для покращення роботи глибоких нейронних мереж YOLO у задачах детекції об’єктів. Запропонована методика базується на послідовному та багаторазовому застосуванні різних перетворень, включаючи горизонтальне та вертикальне віддзеркалення, обертання на 90°, Gaussian Blur, зміну яскравості та контрастності.

Advanced YOLO models for real-time detection of tomato leaf diseases

The increasing focus on smart agriculture in the last decade can be attributed to various factors, including the adverse effects of climate change, frequent extreme weather events, increasing population, the necessity for food security, and the scarcity of natural resources.  The government of Morocco adopts preventative measures to combat plant illnesses, specifically focusing on tomatoes.  Tomatoes are widely acknowledged as one of the most important vegetable crops, but they are highly vulnerable to several diseases that significantly decrease their productivity.  De

Інтелектуальні системи допомоги водію на основі комп’ютерного зору та глибинного навчання

У статті представлено інтегровану інтелектуальну систему допомоги водію (ADAS), яка об’єднує кілька ключових функціональних модулів, як-от: система попередження про зіткнення, виявлення смуг руху, розпізнавання дорожніх знаків та виявлення ям на дорогах, що реалізовані за допомогою сучасних моделей глибинного навчання, зокрема YOLOv8n. Система оптимізована для роботи на пристроях Raspberry Pi або NVIDIA Jetson Nano із обмеженими обчислювальними ресурсами із застосуванням модульної архітектури та паралельного опрацювання даних для забезпечення швидкодії в режимі реального часу.

ВИКОРИСТАННЯ НЕЙРОННИХ МЕРЕЖ ДЛЯ ВИЗНАЧЕННЯ ОБ’ЄКТІВ НА ЗОБРАЖЕННІ

Розроблено модифіковану модель нейронної мережі на базі Yolo V5 та здійснено порівняння метрик якості класифікації об’єктів на відеозображеннях, побудованих на основі базових існуючих відомих архітектур нейронних мереж. Розглянуто застосування згорткових нейронних мереж для обробки зображень з камер відеоспостереження з метою розробки оптимізованого алгоритму для виявлення та класифікації об’єктів на відеозображеннях. Зроблено аналіз існуючих моделей та архітектур нейронних мереж для аналізу зображень і здійснено їх порівняння.

Запобігання можливим пограбуванням за допомогою алгоритму глибокого навчання з обробкою камерою

Останнім часом технології глибокого навчання, а саме нейронні мережі [1], привертають все більше уваги з боку бізнесу та наукової спільноти, оскільки вони допомагають оптимізувати процеси та знаходити реальні рішення проблем набагато ефективніше та економніше, ніж багато інших підходів. Зокрема, нейронні мережі добре підходять для ситуацій, коли потрібно виявляти об’єкти або шукати подібні шаблони у відео та зображеннях, що робить їх актуальними в галузі інформаційних та вимірювальних технологій у мехатроніці та робототехніці.

Improving pedestrian segmentation using region proposal-based CNN semantic segmentation

Pedestrian segmentation is a critical task in computer vision, but it can be challenging for segmentation models to accurately classify pedestrians in images with challenging backgrounds and luminosity changes, as well as occlusions.  This challenge is further compounded for compressed models that were designed to deal with the high computational demands of deep neural networks.  To address these challenges, we propose a novel approach that integrates a region proposal-based framework into the segmentation process.  To evaluate the performance of the proposed framework,

Analysis of Algorithms for Searching Objects in Images Using Convolutional Neural Network

The problem of finding objects in images using modern computer vision algorithms has been considered. The description of the main types of algorithms and methods for finding objects based on the use of convolutional neural networks has been given. A comparative analysis and modeling of neural network algorithms to solve the problem of finding objects in images has been conducted. The results of testing neural network models with different architectures on data sets VOC2012 and COCO have been presented.

Methods of Vehicle Recognition and Detecting Traffic Rules Violations on Motion Picture Based on OpenCV Framework

In this era, people using vehicles is getting increased day by day. As pedestrians leading a dog for a walk, or hurrying to their workplace in the morning, we’ve all experienced unsafe, fast-moving vehicles operated by inattentive drivers that nearly mow us down. Many of us live in apartment complexes or housing neighborhoods where ignorant drivers disregard safety and zoom by, going way too fast. To plan, monitor and also control these vehicles is becoming a big challenge.

Дослідження методів виявлення об’єктів на відеозображеннях

Завдання виявлення об’єктів на відеозображеннях характерна для сучасних систем технічого зору (СТЗ), орієнтованих на різні функціональні застосування. Виявляти об`єкти можна як на статичних відеозображеннях, так і на виділених з відеопотоку кадрах. За своєю суттю виявлення об’єктів на відеозображенні, як правило, означає виявлення яскравісних чи кольорових неоднорідностей, які на подальших етапах можна трактувати як фізичні об`єкти.