Виявлення та класифікація об’єктів дорожнього руху при використанні середовища DIGITS

Kvietnyi, R. N.; Maslii, R. V.; Kyrylenko, O. M.

doi:https://doi.org/10.31649/1681-7893-2020-39-1-14-20

Виявлення та класифікація об’єктів дорожнього руху при використанні середовища DIGITS

dc.contributor.author	Kvietnyi, R. N.	en
dc.contributor.author	Maslii, R. V.	en
dc.contributor.author	Kyrylenko, O. M.	en
dc.date.accessioned	2021-03-22T06:51:58Z
dc.date.available	2021-03-22T06:51:58Z
dc.date.issued	2020
dc.description.abstract	An overview of the architecture of the DetectNet neural network was conducted to study the model of detection and classification of traffic objects. In this case, the structure of the neural network and the format of the input data are considered. The modeling is done using the DIGITS environment. The quality of the model was tested on the image validation dataset KITTI. The results of studying the model of the neural network are presented. The results obtained compared with existing ones.	en
dc.identifier.citation	Квєтний Р. Н. Виявлення та класифікація об’єктів дорожнього руху при використанні середовища DIGITS [Текст] / Р. Н. Квєтний, Р. В. Маслій, О. М. Кириленко // Оптоелектронні інформаційно-енеретичні технології. – 2020. – № 1. – С. 14-20.	uk
dc.identifier.doi	https://doi.org/10.31649/1681-7893-2020-39-1-14-20
dc.identifier.issn	1681-7893
dc.identifier.issn	2311-2662
dc.identifier.udc	004.93
dc.identifier.uri	http://ir.lib.vntu.edu.ua/handle/123456789/31616
dc.language.iso	uk_UA	uk_UA
dc.publisher	Вінницький національний технічний університет	uk
dc.relation.ispartof	Оптоелектронні інформаційно-енеретичні технології. № 1 : 14-20.	uk
dc.relation.references	Nagaraj, S. Edge-based street object detection. / Muthiyan, B., Ravi, S., Menezes, V., Kapoor, K., & Jeon, H. // IEEE SmartWorld, Ubiquitous Intelligence & Computing, Advanced & Trusted Computed, Scalable Computing & Communications, Cloud & Big Data Computing, Internet of People and Smart City Innovation (SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI). – 2017. – С.1-4.	en
dc.relation.references	Roman Kvyetnyy, Roman Maslii, Volodymyr Harmash, Ilona Bogach, Andrzej Kotyra, Żaklin Grądz, Aizhan Zhanpeisova, Nursanat Askarova. Object detection in images with low light condition, Proc. SPIE 10445, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2017, 104450W (7 August 2017); doi: 10.1117/12.2281001;	en
dc.relation.references	DetectNet: Deep Neural Network for Object Detection in DIGITS. [Електронний ресурс] – Режим доступу: https://devblogs.nvidia.com/detectnet-deep-neural-network-object-detection-digits/	en
dc.relation.references	Holupka, E. J. The Detection of Implanted Radioactive Seeds On Ultrasound Images Using Convolution Neural Networks. / Rossman, J., Morancy, T., Aronovitz, J., & Kaplan, М. D. // 1st Conference on Medical Imaging with Deep Learning (MIDL 2018). – 2018.	en
dc.relation.references	NVIDIA DIGITS [Електронний ресурс] – Режим доступу до ресурсу: https://developer.nvidia.com/digits	en
dc.relation.references	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.	en
dc.relation.references	Zheng Lou. Dataset bias analysis on autonomous driving [Електронний ресурс] – Режим доступу до ресурсу: https://cs230.stanford.edu/projects_spring_2018/reports/8289902.pdf	en
dc.relation.references	Fritsch Jannik. A new performance measure and evaluation benchmark for road detection algorithms. / Tobias Kuehnl, Andreas Geiger. // 16th International IEEE Conference on Intelligent Transportation Systems (ITSC 2013). – 2013.	en
dc.relation.uri	https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/564
dc.subject	DetectNet	en
dc.subject	DIGITS	en
dc.subject	KITTI	en
dc.subject	deep learning	en
dc.subject	object detection	en
dc.subject	object classification	en
dc.title	Виявлення та класифікація об’єктів дорожнього руху при використанні середовища DIGITS	uk
dc.title.alternative	Detection and classification of traffic objects using the environment digits	en
dc.type	Article

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1

Назва:: Квєтний.pdf
Розмір:: 632,12 KB
Формат:: Adobe Portable Document Format
Опис:

Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1

Назва:: license.txt
Розмір:: 10,07 KB
Формат:: Item-specific license agreed upon to submission
Опис:

Завантажити

Зібрання

Оптико-електронні інформаційно-енергетичні технології. 2020. № 1