Розробка нейронної мережі для виявлення руйнувань на дорогах

Abstract

UA : Робота викладена на 50 сторінках друкованого тексту, містить 5 рисунків, 2 таблиці, 15 джерел, 3 додатки. Об’єкт дослідження – системи та алгоритми розпізнавання облич. Мета роботи: Розробка нейронної мережі, що дозволяє розпізнавати руйнування на дорогах на статичних зображеннях з використанням алгоритму Mask R-CNN, який поєднує в собі здатність виявляти об'єкти та генерувати сегментаційні маски для цих об'єктів. Метод дослідження – аналітичний. Робота присвячена розробці системи нейронної мережі для виявлення руйнувань на дорогах за статичними фотознімками. В якості методу локалізації руйнування на зображенні в даній роботі був обраний алгоритм Mask R-CNN. Для виділення ознак для виявлення та сегментації об'єктів використовується базова мережа, така як ResNet. В рамках роботи проведено дослідження ефективності різних алгоритмів для виявлення та розпізнавання об'єктів на зображеннях, яке показало високу ефективність сегментації та етапізації об'єктів стосовно до задачі розпізнавання вибоїн на дорогах в реальному часі.

EN : The work is presented on 50 pages of printed text, 5 figures, 2 table, 15 references, 3 annexes. Object of research – face recognition systems and algorithms. Purpose of thesis: Development of a neural network that allows recognition of road damage on static images using the Mask R-CNN algorithm, which combines the ability to detect objects and generate segmentation masks for these objects. The research method – analytical. The thesis is concerned with the development of a neural network system for detecting road damage from static photographs. The Mask R-CNN algorithm was chosen as the method of localization of destruction on the image in this work. An underlying network such as ResNet is used to extract features for object detection and segmentation. The effectiveness study of various modifications of various algorithms for the detection and recognition of objects in images was carried out, which showed the high efficiency of segmentation and detailing of objects in relation to the task of recognizing potholes on roads in real time.