Алгоритмическое и программное обеспечение системы компьютерного зрения на основе сверточных нейронных сетей

Abstract

В данной работе рассматриваются проблемы создания и исследования архитектур СНС в составе мобильных систем компьютерного зрения (СКЗ) для решения задачи детектирования объектов разных масштабов на изображениях. Были сформированы требования эффективности, предъявляемые к разрабатываемым архитектурам по точности, объему вычислений и скорости работы. В результате исследований показано, что перспективными для задачи детектирования объектов являются СНС класса YOLO. Разработаны новые варианты архитектуры класса YOLO в ручном и автоматическом режиме с использованием современных подходов к уменьшению размеров архитектур без значительных потерь по точности. Получены результаты исследования эффективности разработанных моделей СНС при детектировании объектов разных масштабов на изображениях.

In this work, we consider the problems of creating and research of CNN architectures as part of mobile computer vision systems (CVS) to solve the problem of object detection of various scales in images. Efficiency requirements for the developed architectures in terms of accuracy, amount of calculations and speed of work were formed. Results of the research shows that CNN of YOLO-class are promising for the problem of object detection. New versions of the YOLO-class architecture has been developed in manual and automatic modes using modern approaches to reducing architecture size without significant losses in accuracy. The results of a research of the effectiveness of the developed CNN models in object detection of different scales in images are obtained.