📄Работа №107271
Тема: Разработка системы компьютерного зрения для анализа автомобильного трафика
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Модели данных
Объем:
57 листов
Год:
2022
Просмотров:
150
4850
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Аннотация 2
Введение 5
1 Методы анализа данных и алгоритм работы нейронных сетей 7
1.1 Задачи и методы анализа данных 7
1.2 Сверточные нейронные сети 11
1.3 Обзор существующих решений для анализа трафика 23
2 Построение модели программного обеспечения и его реализация 28
2.1 Обзор целей и задач светофоров на дороге 28
2.2 Построение модели системы, принцип работы 32
2.3 Реализация системы «умный светофор» 38
3 Тестирование и оценка точности реализованного алгоритма для распознавания 49
Заключение 54
Список используемой литературы 55
Введение 5
1 Методы анализа данных и алгоритм работы нейронных сетей 7
1.1 Задачи и методы анализа данных 7
1.2 Сверточные нейронные сети 11
1.3 Обзор существующих решений для анализа трафика 23
2 Построение модели программного обеспечения и его реализация 28
2.1 Обзор целей и задач светофоров на дороге 28
2.2 Построение модели системы, принцип работы 32
2.3 Реализация системы «умный светофор» 38
3 Тестирование и оценка точности реализованного алгоритма для распознавания 49
Заключение 54
Список используемой литературы 55
📖 Введение
Современный этап развития человечества характеризуется экспоненциальным ростом количества накопленной информации. Проблема объединения информации и их анализ очень важна в наше время, так как позволяет контролировать и направлять многие действия человека. А некоторые анализирующие системы позволяют прогнозировать возможные данные в будущем времени, и это дает большую вероятность определиться с дальнейшими действиями. Так с каждым годом добавляются все новые задачи для анализа, на которые уже не способен человек просто просматривая данные и делая выводы.
Во многих междисциплинарных исследованиях также встречается проблема анализа данных. Реализация методов и систем для анализа привлекает сегодня большое внимание. Анализ различных данных является проблемой в современной науке, так как невозможно выбрать один, подходящий ко всем случаям, метод.
В частности, анализ лежит в основе комплексных решений систем искусственного интеллекта. Автоматизация анализа данных особенно актуальна в областях жизни человека, где имеется большой поток поступающей информации, для этого уже сегодня часто используют системы на основе машинного обучения.
Целью выпускной квалификационной работы (ВКР) является разработка программного обеспечения для технологии «умный светофор» на основе компьютерного зрения для анализа трафика с камеры, установленной на светофор.
Актуальность данной программы заключается в возможности динамически изменять пропускную способность определенного светофора.
Объектом ВКР является распознавание объектов на изображении и их
Предметом ВКР является алгоритм распознавания автомобильного трафика на изображении с использованием методов компьютерного зрения.
Основные задачи ВКР:
• изучить существующие методы анализа трафика;
• изучить принцип работы нейронных сетей;
• разработать алгоритм, решающий практико-ориентированную задачу, и протестировать разработанное решение.
Во многих междисциплинарных исследованиях также встречается проблема анализа данных. Реализация методов и систем для анализа привлекает сегодня большое внимание. Анализ различных данных является проблемой в современной науке, так как невозможно выбрать один, подходящий ко всем случаям, метод.
В частности, анализ лежит в основе комплексных решений систем искусственного интеллекта. Автоматизация анализа данных особенно актуальна в областях жизни человека, где имеется большой поток поступающей информации, для этого уже сегодня часто используют системы на основе машинного обучения.
Целью выпускной квалификационной работы (ВКР) является разработка программного обеспечения для технологии «умный светофор» на основе компьютерного зрения для анализа трафика с камеры, установленной на светофор.
Актуальность данной программы заключается в возможности динамически изменять пропускную способность определенного светофора.
Объектом ВКР является распознавание объектов на изображении и их
Предметом ВКР является алгоритм распознавания автомобильного трафика на изображении с использованием методов компьютерного зрения.
Основные задачи ВКР:
• изучить существующие методы анализа трафика;
• изучить принцип работы нейронных сетей;
• разработать алгоритм, решающий практико-ориентированную задачу, и протестировать разработанное решение.
✅ Заключение
В данной выпускной квалификационной работе исследовался вопрос создание нейронной сети, которая могла осуществлять управление «умным светофором».
В процессе выполнения бакалаврской работы решены следующие задачи:
• изучены методы анализа данных, их задачи;
• изучен принцип работы и взаимодействия структуры нейронных сетей;
• разработан алгоритм, решающий практико-ориентированную задачу;
• протестировано разработанное решение;
• проведены тесты классификации объектов на изображении.
В первой части ВКР рассмотрены типы анализа данных, даны понятия структурированной информации и способы исправления деструктурированных значений. Рассмотрен алгоритм сверточных нейронных сетей метода обучения обратным распространением ошибки. Показаны крупные системы использующие нейронные сети для обработки информации.
Во второй главе дана информация о задачах светофорного регулирования проезжих частей, построено логическое описание нужной системы. Была реализована система, основанная на технологии «умный светофор». Для этого была использованная специальная модель нейронной сети типа YOLO.
В третей части были проведены проверочные тесты над модель нейронной сети типа YOLO, заранее обученной на датасете MS СОСО, проведены тесты mAP, для нахождения точности в операции классификации.
Разработанное решение может получить дальнейшие развития, как пример, улучшение изображение применением систем R-CNN.
В процессе выполнения бакалаврской работы решены следующие задачи:
• изучены методы анализа данных, их задачи;
• изучен принцип работы и взаимодействия структуры нейронных сетей;
• разработан алгоритм, решающий практико-ориентированную задачу;
• протестировано разработанное решение;
• проведены тесты классификации объектов на изображении.
В первой части ВКР рассмотрены типы анализа данных, даны понятия структурированной информации и способы исправления деструктурированных значений. Рассмотрен алгоритм сверточных нейронных сетей метода обучения обратным распространением ошибки. Показаны крупные системы использующие нейронные сети для обработки информации.
Во второй главе дана информация о задачах светофорного регулирования проезжих частей, построено логическое описание нужной системы. Была реализована система, основанная на технологии «умный светофор». Для этого была использованная специальная модель нейронной сети типа YOLO.
В третей части были проведены проверочные тесты над модель нейронной сети типа YOLO, заранее обученной на датасете MS СОСО, проведены тесты mAP, для нахождения точности в операции классификации.
Разработанное решение может получить дальнейшие развития, как пример, улучшение изображение применением систем R-CNN.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.