Решение задачи night object detection на основе применения фреймворка PyTorch и архитектуры YOLOv5
Автор: Форер А.Л.
Журнал: Международный журнал гуманитарных и естественных наук @intjournal
Рубрика: Технические науки
Статья в выпуске: 12-3 (99), 2024 года.
Бесплатный доступ
Распознавание объектов в сложных ночных условиях представляет собой сложную задачу, решение которой необходимо для создания эффективных систем видеонаблюдения, автомобильных технологий и робототехники. В статье рассматривается подход к решению этой задачи на основе использования фреймворка PyTorch и архитектуры YOLOv5. Проведен обзор актуальных методов, описаны этапы подготовки данных, настройки модели и оптимизации обучения. Представлены результаты экспериментов, демонстрирующие эффективность подхода в условиях низкой освещенности. Материалы статьи могут быть полезны разработчикам, исследователям и специалистам в области компьютерного зрения для повышения точности детекции объектов в сложных условиях.
Детекция, тепловизионное зрение, распознавание объектов
Короткий адрес: https://sciup.org/170208568
IDR: 170208568 | DOI: 10.24412/2500-1000-2024-12-3-229-232
Список литературы Решение задачи night object detection на основе применения фреймворка PyTorch и архитектуры YOLOv5
- Истратова Е.Е., Достовалов Д.Н., Бухамер Е.А. Разработка интеллектуальной системы для распознавания лиц на основе нейронных сетей // International Journal of Open Information Technologies. - 2021. - №4. - С. 41-45. EDN: DBDHXK
- Павлов М.П. Сравнение моделей yolov5 для задачи детекции радужной форели в видеопотоке // SAF. - 2022. - №4. - С. 35-40. EDN: LOZMND
- Yklassova S.Y., Kenzhebayeva Z.Y. Neural networks and algorithms for detecting real-time objects in practice // In the World of Science and Education. - 2024. - №20. - С. 117-125.
- Примкулов О.Д., Тожиев М.Р., Хасанов Д.Р. Компьютерное зрение как средство извлечения информации из видеоряда // Academic research in educational sciences. - 2021. - №9. - С. 582-585.
- Abdulhamid M., Olalo A. Implementation of moving object tracker system // Журнал СФУ. Техника и технологии. - 2021. - №8. - С. 986-995. EDN: SPGTRR
- Тимошкин М.С., Миронов А.Н., Леонтьев А.С. Сравнение YOLO v5 и Faster R-CNN для обнаружения людей на изображении в потоковом режиме // МНИЖ. - 2022. - №6-1 (120). - С. 137-146. EDN: ZFRRZQ
