|
|
Holistické rozpoznání registrační značky pomocí konvolučních neuronových sítí
Morbitzer, Dušan ; Juránek, Roman (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem této práce je vytvoření modelu neuronové sítě pro holistické rozpoznávání registračních značek se zaměřením na přesnost a zkrácení doby trénovacího procesu. Model byl implementován, jako spojení konvoluční neuronové sítě pro extrakci hlubokých rysů obrázku značky a Bidirectional LSTM s CTC. Natrénovaný model byl porovnán s jinou implementací, využívající holistického přístupu, která byla natrénována na stejném datasetu. Vlastní návrh sítě dosáhl lepších výsledků při rozpoznávání na datové sadě, odlišné od trénovací, s chybovostí 8,3 %.
|
|
|
Re-identifikace vozidla pomocí rozpoznání jeho registrační značky
Špaňhel, Jakub ; Juránková, Markéta (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá návrhem algoritmů detekce a rozpoznání registrační značky vozidla, které by byly použitelné pro re-identifikaci vozidla v obraze, a vytvořením jednoduchého systému analýzy dopravy. Byly navrženy a otestovány jednotlivé části toho systému. Konkrétně se jedná o detekci vozidel, detekci a rozpoznání registrační značky vozidla a systém samotný. Detekce vozidel je prováděna pomocí metody odečítání pozadí a vytváření ohraničení těchto oblastí s úspěšností ~92%. Registrační značka je detekována pomocí kaskády klasifikátoru a dosahuje úspěšnosti 81.72% a přesnosti 94.42%. Rozpoznání poznávací značky pomocí metody Template matching dosahuje úspěšnosti 60.55%. Proto byl představen zcela nový princip rozpoznávání registrační značky vozidla pomocí jejího skenování užitím principu sliding window a rozpoznáváním neuronovou sítí. Neuronová síť dosahuje úspěšnosti 64.47% pro testovací datovou sadu při použití pěti příznaků. Malou úspěšnost neuronové sítě však ovlivňuje nedostatek vzorků některých znaků registrační značky.
|
|
|
Systém automatického přístupu na parkoviště pomocí rozpoznání registrační značky
Václavek, Patrik ; Sochor, Jakub (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem této práce bylo navrhnout a implementovat systém pracující v reálném čase, schopný detekovat příjezd vozidla k terminálu parkoviště, rozpoznat registrační značku a automaticky rozhodnout o jeho vpuštění. Systém pro detekci příjezdu automobilu využívá algoritmus Gaussian Mixture Model. Pro spolehlivou lokalizaci registrační značky jsou použity dvě metody. V první jsou extrahovány Maximálně Stabilní Extrémní Regiony (MSER), zatímco ve druhé je použita transformace Top-Hat. Pro určení, zda se u nalezených regionů jedná o registrační značku, je využito klasifikátoru Support Vector Machine (SVM). Klasifikace znaků je provedena použitím umělé neuronové sítě. Pro implementaci byla použita knihovna OpenCV. Extrakce MSER byla díky navržené optimalizaci zrychlena až sedmkrát. Při lokalizaci registrační značky se podařilo dosáhnout úspěšnosti 92,47% a spolehlivost klasifikace dosahuje 90,03%.
|
|
|
Holistické rozpoznání registrační značky pomocí konvolučních neuronových sítí
Morbitzer, Dušan ; Juránek, Roman (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem této práce je vytvoření modelu neuronové sítě pro holistické rozpoznávání registračních značek se zaměřením na přesnost a zkrácení doby trénovacího procesu. Model byl implementován, jako spojení konvoluční neuronové sítě pro extrakci hlubokých rysů obrázku značky a Bidirectional LSTM s CTC. Natrénovaný model byl porovnán s jinou implementací, využívající holistického přístupu, která byla natrénována na stejném datasetu. Vlastní návrh sítě dosáhl lepších výsledků při rozpoznávání na datové sadě, odlišné od trénovací, s chybovostí 8,3 %.
|
|
|
Re-identifikace vozidla pomocí rozpoznání jeho registrační značky
Špaňhel, Jakub ; Juránková, Markéta (oponent) ; Herout, Adam (vedoucí práce)
Tato práce se zabývá návrhem algoritmů detekce a rozpoznání registrační značky vozidla, které by byly použitelné pro re-identifikaci vozidla v obraze, a vytvořením jednoduchého systému analýzy dopravy. Byly navrženy a otestovány jednotlivé části toho systému. Konkrétně se jedná o detekci vozidel, detekci a rozpoznání registrační značky vozidla a systém samotný. Detekce vozidel je prováděna pomocí metody odečítání pozadí a vytváření ohraničení těchto oblastí s úspěšností ~92%. Registrační značka je detekována pomocí kaskády klasifikátoru a dosahuje úspěšnosti 81.72% a přesnosti 94.42%. Rozpoznání poznávací značky pomocí metody Template matching dosahuje úspěšnosti 60.55%. Proto byl představen zcela nový princip rozpoznávání registrační značky vozidla pomocí jejího skenování užitím principu sliding window a rozpoznáváním neuronovou sítí. Neuronová síť dosahuje úspěšnosti 64.47% pro testovací datovou sadu při použití pěti příznaků. Malou úspěšnost neuronové sítě však ovlivňuje nedostatek vzorků některých znaků registrační značky.
|
|
|
Systém automatického přístupu na parkoviště pomocí rozpoznání registrační značky
Václavek, Patrik ; Sochor, Jakub (oponent) ; Špaňhel, Jakub (vedoucí práce)
Cílem této práce bylo navrhnout a implementovat systém pracující v reálném čase, schopný detekovat příjezd vozidla k terminálu parkoviště, rozpoznat registrační značku a automaticky rozhodnout o jeho vpuštění. Systém pro detekci příjezdu automobilu využívá algoritmus Gaussian Mixture Model. Pro spolehlivou lokalizaci registrační značky jsou použity dvě metody. V první jsou extrahovány Maximálně Stabilní Extrémní Regiony (MSER), zatímco ve druhé je použita transformace Top-Hat. Pro určení, zda se u nalezených regionů jedná o registrační značku, je využito klasifikátoru Support Vector Machine (SVM). Klasifikace znaků je provedena použitím umělé neuronové sítě. Pro implementaci byla použita knihovna OpenCV. Extrakce MSER byla díky navržené optimalizaci zrychlena až sedmkrát. Při lokalizaci registrační značky se podařilo dosáhnout úspěšnosti 92,47% a spolehlivost klasifikace dosahuje 90,03%.
|
host ::
RSS.