Задача распознавания световых сигналов автомобилей

1.

Цель и задачи исследования
Анализ задачи распознавания световых сигналов автомобиля
Изучение нейронных сетей, применяемых для решения задач
распознавания
Формирование набора данных для обучения
Проектирование и реализация системы распознавания
Тестирование системы распознавания
2

2.

Задача распознавания
световых сигналов автомобилей
3
Два подхода к компьютерному зрению:
алгоритмический и нейросетевой

3.

Детектирование
5
Детектирование - локализация объектов на изображении
и их классификация
RCNN
Faster-RCNN
YOLOv3

4.

Классификация
6
Классификация - определение класса объекта на изображении
AlexNet
GoogLeNet
ResNet
MobileNet

5.

Наборы данных для обучения
7
Детектирование:
Классификация
KITTI
Rear Signal Dataset
Microsoft COCO
Авторская разметка
Berkley BDD100K
Boxy

6.

Архитектура системы
8

7.

Реализация системы распознавания
Технологии
Модели машинного обучения
Python 3
Детектирование - YOLOv3
TensorRT
Классификация - MobileNet v2
DarkNet
PyTorch
9

8.

Модель детектирования
YOLOv3
BFLOPS
Оригинал - 65.879
Модификация - 28.297
10

9.

Модель классификации
MobileNet v2
Оригинал
Модификация
11

10.

Обучение
12
YOLOv3
Обучение на GPU
Nvidia 1060 и 1080Ti
MobileNet v2

11.

Результаты
Качество моделей:
Детектирование: MAP @0.50 = 0,84
Классификация:
13

12.

Выводы
14
Был проведен анализ существующих решений, а также изучены
современные
нейросетевые
методы
детектирования
и
классификации;
Спроектирована архитектура системы распознавания, нейронные
сети были оптимизированы, обучены и протестированы;
Реализованная система
информации автомобиля;
Результаты диссертации были апробированы в журнале
“Поволжский Вестник” и на конференции “Гагаринские Чтения”.
внедрена
в
комплекс
обработки

13.

15
Спасибо за внимание!