Комп'ютерна система розпізнавання дорожньої розмітки та виявлення пошкоджень дорожнього покриття
| dc.contributor.author | Богомолов, С. В. | uk |
| dc.contributor.author | Шелестун, І. С. | uk |
| dc.contributor.author | Кожем’яко, А. В. | uk |
| dc.date.accessioned | 2025-08-19T07:51:04Z | |
| dc.date.available | 2025-08-19T07:51:04Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | uk | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/48622 | |
| dc.description.abstract | Розроблено комп'ютерну систему для автоматичного розпізнавання дорожньої розмітки та виявлення пошкоджень дорожнього покриття з використанням нейронних мереж. Новизна дослідження полягає в інтеграції декількох передових нейронних мереж для розпізнавання різних типів об'єктів, що дозволяє з максимальною точністю та швидкістю обробляти зображення дорожньої інфраструктури. Для реалізації були застосовані технології глибокого навчання Inception-ResNet-v2, YOLO | uk |
| dc.description.abstract | A computer system has been developed for automatic recognition of road markings and detection of road surface damage using neural networks. The novelty of the research lies in the integration of several advanced neural networks for recognizing different types of objects, which allows for maximum accuracy and speed in processing images of road infrastructure. For implementation, deep learning technologies Inception-ResNet-v2, YOLO were used | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2025/paper/view/24198 | |
| dc.subject | розпізнавання об’єктів | uk |
| dc.subject | згорткові нейронні мережі | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | глибокенавчання | uk |
| dc.subject | Inception-ResNet-v2 | uk |
| dc.subject | YOLO | uk |
| dc.subject | TensorFlow | uk |
| dc.subject | OpenCV | uk |
| dc.subject | дорожня розмітка | uk |
| dc.subject | пошкодження дорожньогопокриття | uk |
| dc.subject | object recognition | uk |
| dc.subject | convolutional neural network | uk |
| dc.subject | machine learning | uk |
| dc.subject | deep learning | uk |
| dc.subject | InceptionResNet-v2 | uk |
| dc.subject | YOLO | uk |
| dc.subject | TensorFlow | uk |
| dc.subject | OpenCV | uk |
| dc.subject | road makings | uk |
| dc.subject | road surface damage | uk |
| dc.title | Комп'ютерна система розпізнавання дорожньої розмітки та виявлення пошкоджень дорожнього покриття | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.77:004.738.5 | |
| dc.relation.references | LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436444. Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 779788). Szegedy, C., Vanhoucke, V., Ioffe, S., Shlens, J., & Wojna, Z. (2016). Rethinking the Inception Architecture for Computer Vision. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 28182826). Zhang, Z., & Liu, W. (2019). Road surface damage detection based on deep convolutional neural networks. Journal of Image and Graphics, 12(4), 123-135. He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Residual Learning for Image Recognition. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 770778). |