Введение 3
Постановка задачи 5
Обзор литературы 6
Термины 7
Глава 1. Оценки производительности и точности 8
1.1. Точность и полнота 8
1.2. Пересечение по объединению 9
1.3. Mean Average Precision 10
Глава 2. Подходы к решению задачи 11
2.1. Алгоритмы на основе предположений регионов 11
2.2. Алгоритмы обрабатывающие изображение целиком 11
Глава 3. Алгоритмы, основанные на предположении регионов 13
3.1. Сверточная нейронная сеть 13
3.2. R-CNN 13
3.3. Fast R-CNN 15
3.4. Faster R-CNN 17
Глава 4. YOLO 19
4.1. Описание алгоритма 19
4.2. Описание архитектуры нейросети 21
4.3. YOLOv2 21
Глава 5. Модификация YOLO для задачи автопилота 23
Заключение 29
Приложения 30
Список литературы 34
Купить

На сегодняшний день человечество шагнуло далеко вперед - появ­ляется все больше сфер, где работа человека заменяется искусственным интеллектом.
Причин на то много: монотонность труда, человеческий фактор, неспособность конкурировать по скорости реакции, а в некоторых случаях неприспособленность нашего организма, наших органов чувств для работы в нестандартных ситуациях.
Например, управление автомобилем в условиях недостаточной види­мости (тумана, снегопада, сумерек) может привести к дорожно-транспортным происшествиям, автопилот же может использовать лидары и различные датчики, чтобы «видеть сквозь осадки», при этом также не может быть ослеплен ярким солнцем. Уже сейчас существуют автомобили, способные управлять автомобилем на шоссе, с хорошей разметкой и видимостью доро­ги. В скором будущем автопилот будет управлять автомобилем безопаснее и лучше, чем человек. К тому же, автопилот может связываться с облач­ными сервисами и использовать данные для прокладки маршрута, избегая заторов на дорогах, поиска парковочного места и многое другое.
Одной из важнейших задач для реализации автопилота, является анализ изображения, а точнее - онлайн обработка видеопотока с камеры.
На сегодняшний день актуальной задачей в области цифровой об­работки изображений является обнаружение и классификация объектов, которая подразумевает собой заключение объектов в обрамляющие окна и присвоение класса. При достижении высокой скорости работы алгорит­ма можно приблизиться к обработке видеопотока, представленного в виде набора последовательных изображений.
Результаты достижений в этой сфере широко применяются в раз­работке программного обеспечения для автопилотируемых технических средств, летательных аппаратов, всевозможных «ассистентов водителя», систем фиксации нарушения ПДД и во многих других направлениях.
Например, в дипломной работе Кулинкина А. Б. «Нейросетевое де­тектирование объектов в условиях ограниченного времени.» рассмотрена задача обнаружения предметов гардероба на изображении [1].
На мой взгляд, наиболее интересными и востребованными направле­ниями являются автопилот, «ассистент водителя» и анализ изображения с камер видеонаблюдения, которые требуют нахождения различных объ­ектов с такими классами, как пешеход, автомобиль, мотоцикл, велосипед, светофор, дорожные и номерные знаки.
Купить