System graficznego rozpoznawania obiektów ruchomych

• Autorzy: Majewski Mateusz , Pałka Dariusz

Identyfikatory

DOI

10.26348/znwwsi.21.57

Warianty tytułu

EN

Graphic recognition information system of moving objects

• Języki publikacji: PL

Abstrakty

PL

System graficznego rozpoznawania ruchomych obiektów to rozwiązanie, które może być bardzo szeroko stosowane w życiu codziennym. Taki system powinien rozpoznać obiekty określone przez użytkownika przed jego uruchomieniem. Algorytmy stosowane w tym systemie powinny mieć dużą szybkość i dokładność. Istnieje wiele rozwiązań dla takich algorytmów, które wykorzystują wiele różnych technik i ustawień. W artykule przedstawiono podstawowe pojęcia i zasady systemu rozpoznawania obiektów mobilnych, a także przedstawiono koncepcję nowego systemu graficznego do rozpoznawania obiektów mobilnych, który ma większe możliwości niż systemy dotychczas używane.

EN

The system of graphic recognition of moving objects is a solution that can be very widely used in everyday life. Such a system should recognize objects that are specified by the user before launching it. The algorithms that are used in this system are expected to have high speed and accuracy. There are many solutions for such algorithms that use many different techniques and settings. This article presents the basic concepts and principles of the moving object recognition system, and also presents the concept of a new graphic system for recognizing moving objects that has greater capabilities than the systems used so far.

Słowa kluczowe

PL

grafika; rozpoznawanie obiektów; rozpoznawanie obiektów ruchomych

EN

graphics; object recognition; recognition of moving objects

• Wydawca: Warszawska Wyższa Szkoła Informatyki
• Czasopismo: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
• Rocznik: 2019
• Tom: nr 21
• Strony: 57--73
• Opis fizyczny: Bibliogr. 9 poz., rys., tab., wykr.

Twórcy

autor

Majewski Mateusz

• Warszawska Wyższa Szkoła Informatyki

autor

Pałka Dariusz

• Warszawska Wyższa Szkoła Informatyki

Bibliografia

• [1] Rozdzielczość, kuzniewski.pl, https://www.kuzniewski.pl/i37, rozdzielczosc.html [06.01.2019].
• [2] Czas, Adobe Animate, https://helpx.adobe.com/pl/animate/using/time.html [09.01.2019].
• [3] Network video recorder, Wikipedia, https://en.wikipedia.org/wiki/Network_video_recorder [14.01.2019].
• [4] A. Ng, Deep Learning, http://cs229.stanford.edu/materials/CS229-DeepLearning.pdf [28.11.2019].
• [5] R Gandhi, R-CNN, Fast R-CNN, Faster R-CNN, YOLO – Object Detection Algorithms, Towards Data Science, https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e [18.03.2019].
• [6] W. Liu, D. Anguelov, D. Erhan, Ch. Szegedy, S. Reed4, Cheng-Yang Fu, A.C. Berg, SSD: Single Shot MultiBox Detector, https://arxiv.org/pdf/1512.02325.pdf [20.05.2019].
• [7] A. Rosebrock, Intersection over Union (IoU) for object detection, https://www.pyimagesearch.com/2016/11/07/intersection-over-union-ioufor-object-detection/ [19.03.2019].
• [8] J. Redmon, S. Divvalay, R. Girshick, A. Farhadiy, You Only Look Once, https://arxiv.org/pdf/1506.02640v5.pdf [06.05.2019].
• [9] E. Forson, Understanding SSD MultiBox – Real-Time Object Detection in Deep Learning, Towards Data Science, https://towardsdatascience.com/understanding-ssd-multibox-real-time-object-detection-in-deep-learning-495ef744fab [05.06.2019].

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).