Search academic texts

Information × Registration Number 2121U008432, Article popup.category Бакалаврська робота Title Аналіз та ідентифікація автомобільного трафіку відносно транспортного засобу (AI translated) popup.author Нікітін Владислав ОлеговичNikitin Vladyslav Olehovych popup.publication 01-01-2021 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/45314 popup.publisher Київ Description Дипломна робота: 101 ст., 45 рис, 7 табл., 2 дод., 18 джерел. Об’єкт дослідження – автомобільний трафік, зафіксований за допомогою камери із відеореєстратора встановленого на транспортному засобі. Предмет дослідження – методи штучного інтелекту, нейронні мережі та моделі з комбінацій нейронних мереж, які використовуються для ідентифікації фізичних об’єктів, зокрема транспортних засобів, що можуть однозначно ідентифікуватися за допомогою номерного знаку, та нейронні мережі та методи, що можуть бути використані для якомога більш точного визначення тексту номерного знаку. Методи дослідження – методи штучного інтелекту, методи класифікації та регресії машинного навчання, нейронні мережі. Актуальність – задача побудови моделі, що може потенціально мати широке використання для покращення багатьох сервісів пов’язаних з дорожнім рухом. Результати роботи – створена модель, що однозначно ідентифікує транспортний номерний знак по кадру, якщо розширення зображення це дозволяє зробити людині. Шляхи подальшого розвитку – збір більш різноманітних даних для покращення точності моделі, створення зручного для використання різними сервісами інтерфейсу, зменшення об’єму пам’яті, що займає модель. Thesis: 101 pages, 44 figures, 7 tables, 2 appendices, 18 sources. The object of the study is car traffic recorded by a camera from a video recorder installed on the vehicle. The subjects of research are artificial intelligence methods, neural networks and models of combinations of neural networks used to identify physical objects, including vehicles that can be uniquely identified by a license plate, neural networks and methods that can be used to more accurately define license plate text. Research methods are methods of artificial intelligence, methods of classification and regression of machine learning, neural networks. Relevance is the challenge of building a model that has the potential to be widely used to improve many traffic services The results of the work - a model is created that uniquely identifies the transport license plate in the frame, if the expansion of the image allows a person to do so. Ways of further development - collecting more diverse data to improve the accuracy of the model, creating a user-friendly interface with different services, reducing the amount of memory occupied by the model. popup.nrat_date 2025-11-05 Close