Підвищення точності та швидкодії детектування зображень автомобілів засобами згорткової нейронної мережі YOLO

Abstract

dc.description.abstract Дисертаційна робота присвячена підвищенню точності та швидкодії детектування зображень автомобілів шляхом вибору архітектури та версії згорткових нейронних мереж, попередньої обробки зображень та донавчання нейронних мереж з архітектурою YOLO. У дисертаційній роботі розроблено методику для попередньої обробки зображень шляхом збільшення їх локального контрасту, що забезпечило підвищення точності детектування зображень автомобілів засобами нейромережі YOLO за метриками Precision, Recall, IoU, AP та F1. Розроблено методику для навчання різних версій моделей YOLO та для аналізу результатів навчання. Розроблено методику для автоматизованого формування датасету, яка дозволяє шляхом селекції з використанням перцептивного хешування видаляти надлишкові кадри. Розроблено методику автоматизованого донавчання нейронної мережі YOLO малого розміру на основі спеціалізованого датасету зображень, створеного нейромережею YOLO більшого розміру. Завдяки цьому отримано підвищення точності детектування за метрикою mAP50 на ~24 % при збереженні високої швидкодії. Розроблені методики реалізовано програмно на мові Python. У програмі використано контейнеризацію (Docker) та ряд програмних бібліотек (Ultralytics, OpenCV, Redis). Веб-інтерфейс програми розроблено на базі екосистеми React 18.3. Показано можливості практичного застосування розробки для автоматизованого аналізу трафіку та стану дорожньої обстановки, виявлення автомобілів на аерофотознімках, моніторингу стану паркувальних майданчиків та в системах безпеки дорожнього руху. uk_UA