Отрывок: Искусственный интеллект 040382 После обработки объем набора данных составлял порядка 12 000 фото, данные были разделены на тестовую и обучающую выборки в пропорции 2:8. Обучение производилось в Google Colab на Tesla T4, в качестве основной метрики для оценки моделей использована mAP (mean Average Precision). На Рис. 1 изображены предсказания модели, полученные в процессе обучения. Рис. 1. П...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Мисюрина И. А. | ru |
dc.contributor.author | Якимов П. Ю. | ru |
dc.coverage.spatial | CNN | ru |
dc.coverage.spatial | YOLOv5 | ru |
dc.coverage.spatial | нейронная сеть YOLO | ru |
dc.coverage.spatial | автомобильные видеорегистраторы | ru |
dc.coverage.spatial | детекция | ru |
dc.coverage.spatial | техническое обслуживание дорог | ru |
dc.coverage.spatial | повреждения дорожного покрытия | ru |
dc.creator | Мисюрина И. А., Якимов П. Ю. | ru |
dc.date.accessioned | 2023-10-03 15:45:35 | - |
dc.date.available | 2023-10-03 15:45:35 | - |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\541172 | ru |
dc.identifier.citation | Мисюрина, И. А. Обнаружение повреждений дорожного покрытия в видеопотоке автомобильного видеорегистратора / И. А. Мисюрина, П. Ю. Якимов // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 4: Искусственный интеллект / под. ред. А. В. Никонорова. - 2023. - С. 040382. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Obnaruzhenie-povrezhdenii-dorozhnogo-pokrytiya-v-videopotoke-avtomobilnogo-videoregistratora-105721 | - |
dc.description.abstract | Описывается разработка программного обеспечения для детекции и классификации повреждений дорожного покрытия различных типов. Описывается алгоритм работы YOLO, дано краткое описание выбранных для разработки моделей. Описана архитектура реализованного ПО. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллект | ru |
dc.title | Обнаружение повреждений дорожного покрытия в видеопотоке автомобильного видеорегистратора | ru |
dc.type | Text | ru |
dc.citation.spage | 040382 | ru |
dc.citation.volume | 4 | ru |
dc.textpart | Искусственный интеллект 040382 После обработки объем набора данных составлял порядка 12 000 фото, данные были разделены на тестовую и обучающую выборки в пропорции 2:8. Обучение производилось в Google Colab на Tesla T4, в качестве основной метрики для оценки моделей использована mAP (mean Average Precision). На Рис. 1 изображены предсказания модели, полученные в процессе обучения. Рис. 1. П... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1920-9_2023-040382.pdf | 359.2 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.