Сравнительный анализ и тестирование нейросетевых моделей глубокого обучения для распознавания дорожных знаков
- Авторы: Ковалева О.А.1, Деев М.И.1, Ковалев С.В.1, Забродский И.А.1
-
Учреждения:
- Тамбовский государственный университет имени Г. Р. Державина
- Выпуск: № 1 (2024)
- Страницы: 60-69
- Раздел: ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И ИНФОРМАТИКА
- URL: https://ogarev-online.ru/2306-2819/article/view/276000
- DOI: https://doi.org/10.25686/2306-2819.2024.1.60
- EDN: https://elibrary.ru/OWLGIP
- ID: 276000
Цитировать
Полный текст
Аннотация
Для выделения наиболее подходящей нейросетевой модели и последующих рекомендаций в статье приведено сравнение нескольких нейросетевых моделей глубокого обучения в формате тестирования в схожих условиях на различных платформах с целью их дальнейшего применения для решения задач распознавания дорожных знаков в автопилотированиии транспортных средств. Описаны результаты проведённого сравнительного анализа работы нейросетевых моделей DenseNet, GoogleNet, LeNet, MobileNet и ResNet50 с целью определения наиболее подходящей для обучения беспилотных автомобилей под управлением искусственного интеллекта. В качестве базы данных применялся набор записей TSRD с изображениями дорожных знаков. В ходе анализа приведены результаты исследования как с центральными, так и с графическими процессорами. Установлено, что для используемого тестового набора данных размер изображения из выбранной области интересов не всегда влиял на точность выходных данных. В ходе экспериментов показано, что использование глубоких моделей с большим временем обучения также не всегда способствовало увеличению точности вывода.
Ключевые слова
Полный текст

Об авторах
Ольга Александровна Ковалева
Тамбовский государственный университет имени Г. Р. Державина
Email: deevmih3@yandex.ru
ORCID iD: 0000-0003-0735-6205
SPIN-код: 2984-0570
доктор технических наук, профессор кафедры математического моделирования и информационных технологий
Россия, 392000, Тамбов, ул. Интернациональная,33Михаил Игоревич Деев
Тамбовский государственный университет имени Г. Р. Державина
Автор, ответственный за переписку.
Email: deevmih3@yandex.ru
ORCID iD: 0009-0008-1170-7251
аспирант
Россия, 392000, Тамбов, ул. Интернациональная,33Сергей Владимирович Ковалев
Тамбовский государственный университет имени Г. Р. Державина
Email: deevmih3@yandex.ru
ORCID iD: 0000-0002-5961-7561
SPIN-код: 6685-7573
доктор технических наук, профессор кафедры математического моделирования и информационных технологий
Россия, 392000, Тамбов, ул. Интернациональная,33Илья Алексеевич Забродский
Тамбовский государственный университет имени Г. Р. Державина
Email: deevmih3@yandex.ru
ORCID iD: 0009-0000-5538-1400
SPIN-код: 2896-8971
старший преподаватель кафедры математического моделирования и информационных технологий
Россия, 392000, Тамбов, ул. Интернациональная,33Список литературы
- Тихонов А.А. Большие данные и глубокое машинное обучение в искусственных нейронных сетях. // Наука и образование сегодня. 2018. № 6. С. 35-38.
- Петров С.П. Сверточная нейронная сеть для распознавания символов номерного знака автомобиля // Системный анализ в науке и образовании. 2013. № 3. С. 66-73.
- Созыкин А.В. Обзор методов обучения глубоких нейронных сетей // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2017. Т. 6, № 3. С. 28-59.
- Arjun S. Creating DenseNet 121 with TensorFlow// Towards Data Science. Jule 2020. URL: https://towardsdatascience.com/creating-densenet-121-with-tensorflow-edbc08a956d8 (дата обращения: 13.06.2023).
- Suvaditya M. The Annotated ResNet-50 // Towards Data Science. August 2022. URL: https://towardsdatascience.com/the-annotated-resnet-50-a6c536034758 (дата обращения: 23.06.2023).
- Richmond A. Deep Learning: GoogLeNet Explained // Towards Data Science. December 2020. URL: https://towardsdatascience.com/deep-learning-googlenet-explained-de8861c82765 (дата обращения: 17.06.2023).
- Kozlov S. Evolution of neural networks for image recognition in Google: GoogLe NeT // Habr.com. URL: https://habr.com/ru/articles/301084. 2016 (дата обращения: 26.06.2023).
- Rizwan M. LeNet-5 - A Classic CNN Architecture // Data Science Central. October 2018. URL: https://www.datasciencecentral.com/lenet-5-a-classic-cnn-architecture/ (дата обращения: 22.06.2023).
- Mobilenets: Efficient convolutional neural networks for mobile vision applications / Howard A. G. et al. // arXiv preprint. 2017. URL: https://arxiv.org/pdf/1704.04861.pdf. (дата обращения: 26.06.2023).
- Panchenko D. MobileNet: smaller, faster, more accurate // Habr.com. URL: https://habr.com/ru/articles/352804/ (дата обращения: 26.06.2023).
Дополнительные файлы
