Yolo

СИСТЕМА РОЗУМНОГО ПАРКУВАННЯ ДЛЯ РОЗПІЗНАВАННЯ НОМЕРНИХ ЗНАКІВ НА ОСНОВІ НЕЙРОМЕРЕЖІ YOLO ТА ОПТИЧНОГО РОЗПІЗНАВАННЯ СИМВОЛІВ

У статті описано метод розпізнавання номерних знаків на прикладі навчання та розгортання моделі машинного навчання. У дослідженні використовується архітектура нейронної мережі YOLO («You Only Look Once») і методи оптичного розпізнавання символів (OCR) для вилучення символів номерних знаків для розпізнавання номерних знаків у реальному часі. Експериментальні випробування, включаючи навчання моделі, валідацію та оцінку, демонструють ефективність цих методів у покращенні автоматизованого контролю доступу в розумних системах паркування.

Оцінка продуктивності та оптимізація моделей нейронних мереж yolov8 для розпізнавання цілей

Метою цього дослідження є проведення всебічного аналізу продуктивності різних типів моделей нейронних мереж (НМ) для розпізнавання цілей. Зокрема, це дослідження зосереджується на оцінці ефективності та продуктивності моделей yolov8n, yolov8s, yolov8m та YOLO у завданнях розпізнавання цілей. Використовуючи передові засоби, такі як OpenCV, Python та roboflow 3.0 FAST, дослідження спрямоване на розробку надійної методології для оцінки продуктивності цих моделей нейронних мереж.

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

Performance Analysis of Different Types of Nn Models for Target Recognition

The objective of this research is to conduct a comprehensive performance analysis of various types of neural network (NN) models for target recognition. Specifically, this study focuses on evaluating the effectiveness and efficiency of yolov8n, yolov8s, yolov8m models in target recognition tasks. Leveraging cutting-edge technologies such as OpenCV, the research is aimed at developing a robust methodology for assessing the performance of these NN models.

Метод ідентифікації бойових машин на основі YOLO

Запропоновано метод розпізнавання контурів об’єктів у відеопотоці даних. Дані потрібно завантажити за допомогою відеокамери у режимі реального часу та здійснити розпізнавання об’єктів. Використано мережу YOLO – метод ідентифікації та ропізнавання об’єктів у реальному часі. Розпізнані об’єкти будуть записані у відео- послідовності із зазначенням контурів об’єктів.

Інтелектуальна система побудови векторних діаграм електричних кіл

Векторні діаграми – потужний інструмент для візуалізації та розуміння розподілу струму, напруги та потужності в електричних системах. Під час війни Росії проти України наша енергетична галузь стала дуже вразливою до атак ворога, а отже, потребує швидкого та ефективного відновлення. Фахівцям-енергетикам бракує програмних засобів для роботи з енергосистемою, а в період розвитку штучного інтелекту створити такі засоби не так важко.

Система розпізнаванням об’єктів на основі моделі Yolo

Побудовано систему розпізнавання об’єктів, знятих у режимі реального часу на відеокамеру в зашумленому та змінному щодо навколишніх умов середовищі. Досліджено методику наповнення бази даних для мобільних військових об’єктів. Для розпізнавання об’єктів використано нейромережу YOLO v8, яка дає змогу відстежувати рухомі та ідентифікувати об’єкти, які потрапляють на відео із відеокамери. Ця нейромережа дає змогу відстежувати об’єкти зі зміною масштабу, під час руху з перешкодами.

An Alternative to Vending Machines

In this review article for a smart vending refrigerator, the contours of the future device are thought out and outlined and all its advantages are described. This device will be controlled using Computer Vision and some other features. The main control unit will be Raspberry PI, since it is the best for this device. Also, a web application was developed in which the user registers, and the applica- tion itself transmits the user's information through an API that will be developed to communicate with the web server, and the web server will store this information.

Методи та засоби покращення точності розпізнавання об’єктів на мобільній платформі iOS в реальному часі

За результатами аналізу літературних джерел встановлено що перспективним напрямком пошуку та розпізнавання об’єктів є сімейство моделей Yolo. Проте існуючі реалізації не підтримують можливості запуску моделі на платформі iOS. Для досягення таких цілей розроблено комплексну масштабовану систему конвертації та покращення точності розпізнавання довільних моделей на базі системи Docker. Методика покращення полягає у додаванні до оригінальної моделі додаткового шару з функцією активації Mish. Методика конвертації полягає у оперативному перетовренні довільної моделі Yolo у формат CoreML.