Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous next last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-371ee8ee-31b5-4611-91cf-dc6e618ebadd

Czasopismo

Autobusy : technika, eksploatacja, systemy transportowe

Tytuł artykułu

Improving accuracy of detecting dangerous objects with deep learning

Autorzy Zacniewski, A. 
Treść / Zawartość
Warianty tytułu
PL Poprawa skuteczności wykrycia niebezpiecznych obiektów przy użyciu technik deep learning
Języki publikacji EN
Abstrakty
EN In this article, the problem of detecting dangerous objects with deep learning is presented. Convolutional Neural Networks are created with Python language ecosystem (Theano and Keras libraries), and then trained with different number of layers and different parameters. Accuracy of detection dangerous objects for artificial Neural Network with smaller number of layers is computed and obtained result is improved with deep learning. CIFAR-10 dataset is used due to useful classes included.
PL W artykule przedstawiono problem detekcji niebezpiecznych obiektów przy użyciu technik deep learning. Konwolucyjne sieci neuronowe tworzone są przy pomocy bibliotek języka Python takich jak Keras i Theano, a następnie trenowane są przy różnej liczbie warstw i z różnymi parametrami. Skuteczność detekcji niebezpiecznych obiektów dla małej liczby warstw sztucznej sieci neuronowej jest obliczana, a uzyskany wynik jest ulepszany przy użyciu technik deep learning. Zbiór danych CIFAR-10 został wykorzystany w badaniach z powodu dużej użyteczności występujących w nim klas.
Słowa kluczowe
PL detekcja niebezpiecznych obiektów   technika deep learning  
EN detecting dangerous objects   deep learning  
Wydawca Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
Czasopismo Autobusy : technika, eksploatacja, systemy transportowe
Rocznik 2016
Tom R. 17, nr 12
Strony 513--516
Opis fizyczny Bibliogr. 8 poz., rys., wykr., pełen tekst na CD
Twórcy
autor Zacniewski, A.
  • Polish Naval Academy in Gdynia, Poland, The Faculty of Navigation and Naval Weapons, Institute of Naval Weapons and Informatics, a.zacniewski@amw.gdynia.pl
Bibliografia
1. Brownlee J., Deep Learning with Python, Gumroad, Melbourne.
2. CIFAR-10 website - https://www.cs.toronto.edu/~kriz/cifar.html.
3. Convolutional Neural Networks for Visual Recognition - http://cs231n.stanford.edu/.
4. Graham B., Fractional Max-Pooling, https://arxiv.org/abs/1412.6071.
5. Greenhalgh J., Mirmehdi M., Real-Time Detection and Recognition of Road Traffic Signs, IEEE Transactions On Intelligent Transportation Systems, 2016.
6. Cambridge Coding Academy - https://cambridgecoding.com/.
7. Krizhevsky A., Learning Multiple Layers of Features from Tiny Images, Canadian Institute for Advanced Research, 2008.
8. Wali S. et al., Comparative Survey on Traffic Sign Detection and Recognition: a Review, Przegląd Elektrotechniczny, ISSN 0033-2097, r. 91 nr 12/2015.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-371ee8ee-31b5-4611-91cf-dc6e618ebadd
Identyfikatory