Автоматизация распознавания автомобильных номеров по видеоряду на устройствах с ограниченными вычислительными ресурсами.
"Моя НИР посвящена теме "Автоматизация распознавания автомобильных номеров по видеоряду на устройствах с ограниченными вычислительными ресурсами". Целью работы было разработать систему, способную автоматически распознавать и извлекать информацию с автомобильных номерных знаков в видеопотоке, используя устройства с ограниченными вычислительными ресурсами.
В ходе исследования были обучены и протестированы две нейронные сети: YOLOv8 и MRNet. YOLOv8 является широко используемой архитектурой для обнаружения объектов в реальном времени, а MRNet представляет собой легковесную нейронную сеть, оптимизированную для работы на устройствах с ограниченными вычислительными ресурсами.
Обе нейронные сети были обучены на большом наборе данных, содержащем изображения автомобильных номеров различных типов и условий освещения. После обучения была проведена оценка точности обеих моделей. Полученные результаты показали, что YOLOv8 достигает точности распознавания автомобильных номеров на уровне 96%, а MRNet - на уровне 90%.
Основные выводы, которые я сделал для себя:
1) Продуманный план реализации проекта и еженедельные отчеты способствуют эффективной работе над задачей. Структурированный подход к выполнению проекта и регулярное отслеживание прогресса помогли удерживать фокус и достигать поставленных целей.
2) Важность коммуникации и слаженной работы с научным руководителем. Регулярное обсуждение прогресса, обмен идеями и обратная связь помогли снизить возможные ошибки и улучшить качество исследования.
3) Важность анализа существующих решений, особенно при условии существенных ограничений по ресурсам -- необходимо изучить не только существующие методы машинного обучения, но и детально исследовать датасеты, на которых в дальнейшем будет выполнено обучение. Это позволяет выбрать наиболее подходящие алгоритмы и оптимизировать обучение."
Александр Сергеевич Задорожный
