Информация о статье

2023 г., Том 28, № 6, с.68-80

Борзов С.М., Нежевенко Е.С., Потатуркин О.И.

Исследование эффективности популярных нейросетевых моделей детектирования объектов в поле наблюдения

Выполнен краткий обзор основных подходов к решению задач обнаружения, определения координат и классификации объектов по их изображениям с применением нейросетевых технологий. Рассмотрены наиболее распространенные методы YOLO и Faster RCNN, применяющие одно- и двухэтапные детекторы на основе предсказания положения объектов. Выполнено экспериментальное сравнение их эффективности на примере классификации изображений 3D-моделей автомобилей, схожих по общим очертаниям и габаритам. Отмечено, что одноэтапные методы позволяют осуществлять обработку видеопотоков в реальном времени, однако уступают по точности при разделении близких классов объектов сложной формы.


Ключевые слова: нейросетевые технологии, обработка изображений, детектирование объектов, сверточные нейронные сети, глубокое обучение

Библиографическая ссылка:
Борзов С.М., Нежевенко Е.С., Потатуркин О.И. Исследование эффективности популярных нейросетевых моделей детектирования объектов в поле наблюдения // Вычислительные технологии. 2023. Т. 28. № 6. С. 68-80
Главная| Цели| Редколлегия| Содержание| Поиск| Подписка| Правила| Контакты
ISSN 1560-7534
© 2024 ФИЦ ИВТ, Новосибирск