<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Нейромережева архітектура DetectNet в задачах виявлення об’єктів

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Проведено аналіз архітектури моделі нейронної мережі DetectNet. Здійснено навчання моделей для використання в задачах виявлення об’єктів у відеопослідовностях. Отриману модель було перевірено на валідаційних даних KITTI.
An analysis of the architecture of the DetectNet neural network model was conducted. The training of models for use in tasks of detection of objects in video sequences is carried out. The resulting model was tested on KITTI validation data.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Кириленко О. М. Нейромережева архітектура DetectNet в задачах виявлення об’єктів [Електронний ресурс] / О. М. Кириленко, Р. В. Маслій // Матеріали XLVIII науково-технічної конференції підрозділів ВНТУ, Вінниця, 13-15 березня 2019 р. – Електрон. текст. дані. – 2019. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2019/paper/view/7640.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (4)

  1. Jetson TX2 – суперкомпьютер для глубинного обучения [Електронний ресурс]. – 2017. – Режим доступу до ресурсу: https://www.computerworld.ru/articles/Jetson-TX2--superkompyuter-dlyaglubokogoobucheniya. – Назва з екрану.
  2. NVIDIA DIGITS [Електронний ресурс] – Режим доступу до ресурсу: https://developer.nvidia.com/digits. – Назва з екрану.
  3. DetectNet: Deep Neural Network for Object Detection in DIGITS. [Електронний ресурс] – Режим доступу: https://devblogs.nvidia.com/detectnet-deep-neural-network-object-detection-digits/
  4. Zhang, S. Fcn-rlstm: Deep spatio-temporal neural networks for vehicle counting in city cameras. / Wu, G., Costeira, J. P., & Moura, J. M. // In Computer Vision (ICCV), IEEE International Conference. – 2017. рр. 3687-3696.