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

Оптимізація систем комп'ютерного зору для використання із обмеженими апаратними платформами

Скорочена інформація про документ
dc.contributor.authorДовгань, Д. С.uk
dc.contributor.authorАзаров, О. Д.uk
dc.contributor.authorАнтонович, Т. М.uk
dc.contributor.authorDovgan, D. S.en
dc.contributor.authorAzarov, O. D.en
dc.contributor.authorAntonovych, T. M.en
dc.titleОптимізація систем комп'ютерного зору для використання із обмеженими апаратними платформамиuk
dc.date.issued2025
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationДовгань Д. С., Азаров О. Д., Антонович Т. М. Оптимізація систем комп'ютерного зору для використання із обмеженими апаратними платформами // V Міжнародна науково-технічна інтернет-конференція «Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки», Вінниця, 11-12 листопада 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/apozbt/apozbt2025/paper/view/26170.uk
dc.relation.ispartofV Міжнародна науково-технічна інтернет-конференція «Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки», Вінниця, 11-12 листопада 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/apozbt/apozbt2025/paper/view/26170
dc.identifier.udc004.7
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/55538
dc.description.abstractДослідження присвячене оптимізації моделей YOLO для систем комп'ютерного зору на обмежених апаратних платформах, зокрема Raspberry Pi 5. Основна увага приділена використанню високопродуктивного інференс-рушія NCNN для ефективного виконання нейромережевих моделей.uk
dc.description.abstractThe study is dedicated to optimizing YOLO models for computer vision systems on resource-constrained hardware platforms, specifically the Raspberry Pi 5. The primary focus is on utilizing the high-performance NCNN inference engine for efficient execution of neural network models. A comprehensive set of optimization approaches is considered, including weight quantization, the selection of optimal YOLO architectures (YOLOv8n, YOLOv11n), and integration with hardware accelerators.en
dc.subjectYOLOuk
dc.subjectNCNNuk
dc.subjectRaspberry Pi 5uk
dc.subjectYOLOen
dc.subjectNCNNen
dc.subjectоптимізація нейронних мережuk
dc.subjectRaspberry Pi 5en
dc.subjectNeural Network Optimizationen
dc.subjectкомп'ютерний зірuk
dc.subjectComputer Visionen
dc.subjectвбудовані системиuk
dc.subjectEmbedded Systemsen
dc.subjectінференс у реальному часіuk
dc.subjectReal-time Inferenceen
dc.subjectквантування моделейuk
dc.subjectModel Quantizationen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesOfficial OpenCV Documentation [Електронний ресурс]. - Режим доступу: https://docs.opencv.org/ Ultralytics YOLO Documentation [Електронний ресурс]. - Режим доступу: https://docs.ultralytics.com/ Tencent NCNN Framework Documentation [Електронний ресурс]. Режим доступу: https://github.com/Tencent/ncnn Raspberry Pi 5 Technical Specifications [Електронний ресурс]. -Режим доступу: https://www.raspberrypi.com/documentation/ MAVLink Protocol Documentation [Електронний ресурс]. - Режим доступу: https://mavlink.io/en/ Redmon, J., & Farhadi, A. (2018). YOLOv3: An Incremental Improvement. arXiv preprint arXiv:1804.02767. Jocher, G., et al. (2023). Ultralytics YOLOv8: State-of-the-Art Object Detection. Ultralytics. Wang, J., et al. (2021). NCNN: A High-Performance Neural Network Inference Framework Optimized for Mobile Platforms. Tencent. TensorRT Optimization Guide [Електронний ресурс]. Режим доступу: https://docs.nvidia.com/deeplearning/tensorrt/ OpenVINO Toolkit Documentation [Електронний ресурс]. - Режим доступу: https://docs.openvino.ai/ Comparative Analysis of Real-time Object Detectors for Embedded Systems / K. Zhang et al. - Journal of Real- Time Image Processing, 2023.en
dc.date.accessioned2026-10-15T08:09:45Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
26170.pdf
Розмір:
449,96 KB
Формат:
Adobe Portable Document Format
Завантажити

Зібрання

Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки (2025)