Другие журналы
|
электронный журналМОЛОДЕЖНЫЙ НАУЧНО-ТЕХНИЧЕСКИЙ ВЕСТНИКИздатель Академия инженерных наук им. А.М. Прохорова. Эл No. ФС77-51038. ISSN 2307-0609
77-48211/423508 Производительность распознавания государственных регистрационных знаков с помощью нейронной сети «неокогнитрон».
Молодежный научно-технический вестник # 06, июнь 2012 УДК.004.93 Россия, МГТУ им. Н.Э. Баумана dkangin@gmail.com В данной работе рассмотрены вопросы применения нейронной сети «неокогнитрон» К. Фукусимы для задачи распознавания символов государственных регистрационных знаков (ГРЗ). Данный метод не требует предварительной бинаризации изображения, вызывающей потерю части графической информации. Результаты оценки производительности, представленные в данной работе, показали, что данная реализация алгоритма позволяет обрабатывать поток с одной камеры, в то время как существующая система распознавания позволяет обрабатывать на одном сервере поток с 4 камер. В дальнейшем предполагается оптимизация алгоритма с целью увеличения быстродействия, что позволит использовать описанные преимущества предлагаемого алгоритма без потери производительности обработки.
Список литературы 1. Hubel, D. H., Wiesel, T. N. Receptive Fields, Binocular Interaction And Functional Architecture In The Cat’s Visual Cortex, Journal of Physiology, (1962), 160, pp. 106–154, With 2 plates and 20 text-figures. 2. Rosenblatt, Frank (1958). The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain, Cornell Aeronautical Laboratory, Psychological Review, v65, No. 6, pp. 386–408. 3. K. Fukushima (1980). Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position. Biological Cybernetics, 36(4): 93-202. 4. K. Fukushima (2003). Neocognitron for handwritten digit recognition. InEckmiller, R. & Von der Malsburg, C. eds. Neurocomputing 51 (2003): 161 – 180. 5. K. Fukushima (2011). Increasing robustness against background noise: Visual pattern recognition by a neocognitron. Neural networks 24 (7): 767-778. 6. Intel Optimized LINPACK Benchmark. — http://software.intel.com/en-us/articles/intel-math-kernel-library-linpack-download/ Публикации с ключевыми словами: нейронная сеть, производительность, неокогнитрон, государственный регистрационный знак транспортных средств, автоматическое распознавание Публикации со словами: нейронная сеть, производительность, неокогнитрон, государственный регистрационный знак транспортных средств, автоматическое распознавание Смотри также: Тематические рубрики: Поделиться:
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||
|