Распознавание вагонных номеров с помощью нейронных сетей
Аннотация
Актуальность данной работы заключается в необходимости автоматизации детектирования номеров подвижного железнодорожного состава.
Цель работы - разработка и автоматизация последовательного обнаружения номеров железнодорожного состава с последующим считыванием.
Объект исследования - изображения подвижного железнодорожного состава.
Предмет исследования - процесс разработки и обучения нейронной сети по поиску номеров на подвижном железнодорожно составе.
Методы исследования: анализ, синтез, классификация, абстрагирование, сравнительно-сопоставительный метод.
Гипотеза разработки продукта предполагает, что данный алгоритм должен облегчить человеческий труд по детектирования номеров подвижного железнодорожного состава, составлении отчетности о проходящем составе, повысить эффективность работы и уменьшить себестоимость, путем автоматизации данных процессов.
Научная новизна исследования состоит в разработке уникальной методики детектирования номеров подвижного железнодорожного состава, а также ее реализация для практического использования.
Результаты работы. В рамках текущей работы, была выбрана свёрточная нейронная сеть YOLOv3 в качестве основы модуля обнаружения номеров на изображениях с вагонами, развернуто и настроено окружение с помощью фремворка PyTorch. Также подготовлены наборы данных для обучения, путем семантического поиска и дальнейшей аугментации. Построена и обучена нейронная сеть.
Цель работы - разработка и автоматизация последовательного обнаружения номеров железнодорожного состава с последующим считыванием.
Объект исследования - изображения подвижного железнодорожного состава.
Предмет исследования - процесс разработки и обучения нейронной сети по поиску номеров на подвижном железнодорожно составе.
Методы исследования: анализ, синтез, классификация, абстрагирование, сравнительно-сопоставительный метод.
Гипотеза разработки продукта предполагает, что данный алгоритм должен облегчить человеческий труд по детектирования номеров подвижного железнодорожного состава, составлении отчетности о проходящем составе, повысить эффективность работы и уменьшить себестоимость, путем автоматизации данных процессов.
Научная новизна исследования состоит в разработке уникальной методики детектирования номеров подвижного железнодорожного состава, а также ее реализация для практического использования.
Результаты работы. В рамках текущей работы, была выбрана свёрточная нейронная сеть YOLOv3 в качестве основы модуля обнаружения номеров на изображениях с вагонами, развернуто и настроено окружение с помощью фремворка PyTorch. Также подготовлены наборы данных для обучения, путем семантического поиска и дальнейшей аугментации. Построена и обучена нейронная сеть.