Студенческая весна
 
 
 
 
 
Другие журналы

электронный журнал

МОЛОДЕЖНЫЙ НАУЧНО-ТЕХНИЧЕСКИЙ ВЕСТНИК

Издатель 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
авторы: Кангин Д. Н., Куров А. В.

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/


Тематические рубрики:
Поделиться:
 
ПОИСК
 
elibrary crossref neicon rusycon
 
ЮБИЛЕИ
ФОТОРЕПОРТАЖИ
 
СОБЫТИЯ
 
НОВОСТНАЯ ЛЕНТА



Авторы
Пресс-релизы
Библиотека
Конференции
Выставки
О проекте
Rambler's Top100
Телефон: +7 (499) 263-61-98
  RSS
© 2003-2024 «Молодежный научно-технический вестник» Тел.: +7 (499) 263-61-98