Тема: Разработка приложения для определения и классификации автомобильного транспорта на видео с использованием архитектуры YOLOv5

Актуальность работы
Перевозка людей и грузов является жизненно важной деятельностью в современном мире. Автотранспорт напрямую влияет на экономическое состояние и на качество жизни в целом. Однако, это имеет и негативные последствия, такие как загрязнение воздуха, увеличение потребления ресурсов, усталость водителей в связи с долгим нахождением за рулем, а также риски для личной безопасности людей из-за аварий.
На данный момент общее количество автотранспортных средств превышает 1,2 миллиарда, и согласно исследованиям, это число возрастет до 2 миллиардов к 2040 году [13]. В связи с увеличением количества автотранспортных средств возрастает и потребность в регулировании трафика на дорогах. Данные о загруженности дорог также могут помочь решить проблему высокой аварийности и уменьшить количество пробок. На основании собранной статистики можно определить наиболее загруженные перекрестки и попытаться сделать модернизацию схемы дорожного движения, например, увеличив или уменьшив количество полос, отрегулировать сигналы светофоров.
Постановка задачи
Целью данной работы является разработка приложения для определения и классификации автомобильного транспорта на видео с использованием архитектуры YOLOv5. Для достижения поставленной цели необходимо решить следующие задачи:
1) провести обзор аналогов и научной литературы;
2) реализовать выбранную топологию искусственной нейронной сети, провести ее обучение и тестирование;
3) разработать приложение для распознавания и классификации автотранспорта;
4) провести тестирование приложения.
Структура и содержание работы
Работа состоит из глоссария, введения, пяти глав и заключения. Объем работы составляет 68 страниц, объем библиографии - 37 источников.
Первая глава «Анализ предметной области» описывает предметную область, в рамках которой выполняется данная работа. Она включает в себя обзор научной литературы по предметной области и обзор существующих решений задачи.
Вторая глава «Теоретическая часть» содержит теоретические сведения об виде искусственной нейронной сети, применяющейся для решения задачи, а также описывает процесс создания набора данных.
Третья глава «Проектирование приложения» содержит описание функциональных и нефункциональных требований к разрабатываемому приложению. Также в этой главе представлены диаграммы, описывающие взаимодействие пользователя с разрабатываемой системой и общую архитектуру системы.
Четвертая глава «Практическая часть» описывает техническую реализацию приложения.
В пятой главе «Тестирование» приведен список тестов приложения и их результаты.
В заключении описаны результаты проделанной работы.
В приложении содержится код реализации топологии нейронной сети.
Купить

В соответствии с целью курсовой работы был проведен обзор научной литературы и уже имеющихся решений для упрощения реализации проекта. Наличие аналогов, реализованных по разным технологиям, подтверждает актуальность поставленной задачи, а большой выбор алгоритмов работы для отслеживания движения, программных продуктов и библиотек, предназначенных для работы с нейронными сетями, демонстрирует широкий спектр проблем, которые можно решить с их помощью, а также их популярность.
Были приведены теоретические сведения о сверточных нейронных сетях. Также был показан процесс создания набора данных.
С учетом назначения приложения были сформулированы функциональные и нефункциональные требования к приложению. Также была представлена диаграмма компонентов, отражающая архитектуру разрабатываемого приложения.
В соответствии с целью работы была реализована спроектированная топология искусственной нейронной сети, проведено обучение нейронной сети на основе обучающей выборки и было разработано приложение.
Было проведено тестирование разработанной нейронной сети. Также были подготовлены и проведены функциональные тесты для разрабатываемого приложения. Разработанное приложение успешно прошло все тесты.
В рамках выпускной квалификационной работы было разработано приложение для определения и классификации автомобильного транспорта на видео с использованием архитектуры YOLOv5. Разработанное приложение полностью соответствует поставленным требованиям.
В ходе разработки были решены следующие задачи:
1) проведен обзор аналогов и научной литературы;
2) реализована выбранная топология искусственной нейронной сети, проведено ее обучение и тестирование;
3) разработано приложение для распознавания и классификации автотранспорта;
4) проведено тестирование приложения.
В рамках работы были опубликованы следующие статьи.
1. Kataev G., Varkentin V., Nikolskaia K. Method to estimate pedestrian traffic using convolutional neural network // Transportation Research Procedia. 2020. Vol. 50, P. 234-241. (Scopus, ТОП-50).
2. Kataev G., Shabley A., Vaulin S. Development of an Application for Recognizing Automobile Vehicles // 2020 International Multi-Conference on Industrial Engineering and Modern Technologies, FarEastCon 2020, Vladivostok, Russian Federation. 6-9 October 2020. (Scopus, Q4).
Купить