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. Підхід, який запропоновано в проєкті, обґрунтовано синтезує методи штучного інтелекту, теорії комп’ютерного зору, з одного боку, і розпізнавання образів – з іншого; він дає змогу отримати керуючі впливи та математичні функції для прийняття рішень у кожен момент часу з можливістю аналізування впливу зовнішніх факторів та прогнозування перебігу процесів. Детально описано встановлення нейромережі, наведено її характеристики та обґрунтовано її можливості. Висвітлено підходи до комп’ютерного бачення відокремлення об’єктів. Відомі методи нарощування областей, методи, що ґрунтуються на кластеризації, виділення контурів, методи з використанням гістограми. Запропоновано побудувати систему швидкої ідентифікації бойових машин на основі розроблених новітніх методів фільтрації зображень із використанням методів глибинного навчання. Ідентифікація машини потребуватиме на 10–20 % менше часу завдяки розробленій інформаційній технології виявлення об’єктів із використанням швидкозмінної інформації.
- Лю Дж., Се Г., Ван Дж., Лі С., Ван Ч., Чжен Ф. та Цзінь Ю. (2024). Глибоке промислове виявлення аномалій зображення: опитування. Дослідження машинного інтелекту, 21 (1), 104–135. https://doi.org/10.1007/s11633-023-1459-z
- Крюгер-Маре, Е. (2024). Субтитри для засвоєння мови: стеження за очима як предиктор розподілу уваги в освіті. Міжнародний журнал мовних досліджень, 18(2). DOI: 10.1007/s11633-023-1459-z
- Лі П., Чжан Ю., Юань Л., Сяо Х., Лін Б. та Сю X. (2024). Ефективна довго-коротка тимчасова мережа уваги для неконтрольованої сегментації відеооб’єктів. Розпізнавання образів, 146, 110078. DOI: 10.48550/arXiv.2309.11707
- Ladonia, M. S. Дослідження впливу значення порогу Non-Maximal Suppression на здатність YOLO до розпізнавання об’єктів на зображеннях низької якості. Problems of Informatization and Management, 2(74), 68–73. https://doi.org/10.18372/2073-4751.74.17884
- Weber E., Vedaldi A., Bischof H., Brox T., Frahm J. M. (2020). Detecting Natural Disasters, Damage, and Incidents in the Wild. Computer Vision – ECCV 2020. ECCV 2020. Lecture Notes in Computer Science, Vol. 12364, 331–350.
- Laroca, R., Severo, E., Zanlorensi, L. A., Oliveira, L. S., Gonçalves, G. R., Schwartz, W. R., & Menotti,D. (2018, July). A robust real-time automatic license plate recognition based on the YOLO detector. In 2018 international joint conference on neural networks (ijcnn) (pp. 1–10). IEEE.
- Shinde, S., Kothari, A., & Gupta, V. (2018). YOLO based human action recognition and localization.Procedia computer science, 133, 831–838.
- Shinde, S., Kothari, A., & Gupta, V. (2018). YOLO based human action recognition and localization.Procedia computer science, 133, 831–838.
- Du, J. (2018, April). Understanding of object detection based on CNN family and YOLO. In Journal of Physics: Conference Series (Vol. 1004, p. 012029). IOP Publishing.
- Li, Y., Zhao, Z., Luo, Y., & Qiu, Z. (2020). Real-time pattern-recognition of GPR images with YOLO v3 implemented by tensorflow. Sensors, 20(22), 6476. https://doi.org/10.3390/s20226476
- Chen, H., He, Z., Shi, B., & Zhong, T. (2019). Research on recognition method of electrical components based on YOLO V3. IEEE Access, 7, 157818–157829.
- Кавамура, Е., Каннан, К., Ломбертс, Т., Степанян, В., Дольф, К., & Іпполіто, К. А. (2024). Наземний відстежувач бачення для вдосконаленої повітряної мобільності та міської повітряної мобільності. На форумі AIAA SciTech 2024 (С. 2010). DOI: 10.2514/6.2024-2010
- Інь, З., Ні, Ю., Лі, Л., Ван, Т., Ву, Дж., Лі, З., і Тан, Д. (2024). Чисельне моделювання та експери- ментальне дослідження двофазного стокового вихору та його коливальних характеристик рідина-тверде тіло. Журнал Zhejiang University-SCIENCE A, 25(1), 47–62. DOI: 10.1631/jzus.A2200014
- Вольф Т., Фрідович-Кейл Д. та Джонс Б. А. (2024). Взаємне інформаційне планування траєкторії для стеження за цисюнними космічними об’єктами з використанням послідовної конвексифікації. На форумі AIAA SCITECH 2024 (С. 0626). doi.org/10.2514/6.2024-0626
- Чжан Х., Чжен Д., Чжан Ю., Цао Дж., Лін В. та Лінг В. К. (2024). Оцінка якості для представлень, синтезованих DIBR, на основі вейвлет-перетворення та подібності величини градієнта. Транзакції IEEE щодо мультимедіа. DOI: 10.1109/TMM.2024.3356029.
- Qin, Q., & Chen, Y. (2024). Огляд сегментації судин сітківки для аналізу зображення очного дна.Інженерне застосування штучного інтелекту, 128, 107454. https://doi.org/10.1016/j.engappai.2023.107454
- Li, M., Cui, Q., Wang, X., Zhang, Y., & Xiang, Y. Ftpe-Bc: Швидке шифрування зображень зі збереженням ескізів за допомогою Block-Churning. Доступно за: SSRN 4698446 .doi.org/10.2139/ssrn.4698446
- Клейтон-Чабб, Д., Кемп, В. В., Маджид, А., Любель, Дж. С., Вудс, Р. Л., Тран, К., ... і Робертс, С. К. (2024). Стеатотична хвороба печінки, пов’язана з метаболічною дисфункцією, у людей похилого віку пов’язана зі слабкістю та соціальною несприятливістю. Liver International, 44 (1), 39–51. https://doi.org/10.1111/liv.15725
- Міра, Е. С., Сапрі, А. М. С., Алехані, Р. Ф., Джамбі, Б. С., Башир, Т., Ель-Кенаві, Е. С. М., і Сабер, М. (2024). Рання діагностика раку ротової порожнини за допомогою обробки зображень і штучного інтелекту. Fusion: Practice and Applications, 14(1), 293–308.
- Цяо, Л., Лю, К., Сюе, Ю., Тан, В., і Салехнія, Т. (2024). Багаторівневий пороговий метод сегментації зображення з використанням гібридної арифметичної оптимізації та алгоритмів оптимізатора Harris Hawks. Експертні системи з додатками, 241, 122316. https://doi.org/10.1016/j.eswa.2023.122316
- Ван, З., Ден, Ю., Чжан, Ю., Тан, X., Чжоу, П., Лі, П., ... і Чжан, М. (2024). Осередковані волокнистими сироватковими білками однорідні емульсійні гелі з м’якою текстурою для людей похилого віку: підвищення біодоступності куркуміну. Харчова хімія, 437, 137850. https://doi.org/10.1016/j.foodchem.2023.137850
- Гао Дж. та Хуан Ю. (2024). FP-Net: мережа частотного сприйняття з змагальним навчанням для локалізації маніпуляції зображеннями. Мультимедійні засоби та програми, 1–19. https://doi.org/10.1007/s11042-023-17914-1
- Су, Ю., Тан, В., Донг, Ю., Сю, В., Хуан, П., Чжан, Дж., і Чжан, Д. (2024). Покращення виявлення прихованих об’єктів на активних міліметрових зображеннях за допомогою вейвлет-перетворення. Обробка сигналів, 216, 109303. https://doi.org/10.1016/j.sigpro.2023.109303
- Бхандарі, Дж., і Руссо, Д. (2024). Гарантії глобальної оптимальності для методів градієнта політики. Дослідження операцій. https://doi.org/10.1287/opre.2021.0014
- Цянь К. та Дуань Х. К. (2024). Платформа для оптичного підрахунку личинок креветок з використанням замаскованих k-середніх і фільтра бічного вікна. Прикладна оптика, 63(6), А7–А15. https://doi.org/10.1364/AO.502868
- Лі С., Кім Дж., Бе П., Лі С. та Кім Х. (2024). Надійний метод аналізу зображення на основі гістограми інтенсивності для флуоресцентного імунологічного аналізу на основі кульок. BioChip Journal, 1–9. https://doi.org/10.1007/s13206-023-00137-9
- Редмон, Дж., Діввала, С., Гіршик, Р., і Фархаді, А. (2016). Ви дивитесь лише один раз: уніфі- коване виявлення об’єктів у реальному часі. У матеріалах конференції IEEE з комп’ютерного зору та розпізнавання образів. С. 779–788.
- Чжан Т., Чоудгері А., Бахл П., Джеймісон К. та Банерджі С. (2015, вересень). Проектування та впровадження бездротової системи відеоспостереження. У матеріалах 21-ї щорічної міжнародної конференції з мобільних комп’ютерів і мереж. С. 426–438. https://doi.org/10.1145/2789168.2790123
- Назаркевич М., Логойда М., Троян О., Возний Ю., Шпак З. (2019, вересень). Фільтр ateb-gabor для зняття відбитків пальців. На конференції з інформатики та інформаційних технологій. С. 247–255. Cham: Springer International Publishing. https://doi.org/10.1007/978-3-030-33695-0_18