| Постоянная ссылка (СИД2) |
J2165797911X |
| Название |
Метод обработки фото- и видеоданных с фотоловушек с использованием двухстадийного нейросетевого подхода |
| Автор |
Ефремов В. А. |
| Автор |
Леус А. В. |
| Автор |
Гаврилов Д. А. |
| Автор |
Мангазеев Д. И. |
| Автор |
Холодняк И. В. |
| Автор |
Радыш А. С. |
| Автор |
Зуев В. А. |
| Автор |
Водичев Н. А. |
| Источник |
Искусственный интеллект и принятие решений |
| Страницы/Объём |
98-108 |
| Сокращ. назв. источника |
Искусств. интеллект и принятие решений |
| Год |
2023 |
| Номер |
3 |
| Адрес в Интернет |
http://elibrary.ru/item.asp?id=54684783 |
| Постоянная ссылка (СИД) |
J21657979 |
| Ключевые слова (авторские) |
агломеративная кластеризация%глубокие сверточные нейронные сети%двухстадийный подход%детекция%изображения с фотоловушек%классификация |
| Дата регистрации в ВИНИТИ |
19.10.2023 |
| Место хранения |
Удаленный доступ. Эл. регистр. НЭБ |
| Язык текста |
русский |
| Язык резюме |
английский |
| Аннотация |
В работе предложена технология анализа данных с фотоловушек с помощью двухстадийной нейросетевой обработки. Задача первого этапа состоит в отделении пустых изображений от непустых. Для решения задачи проведен сравнительный анализ архитектур YOLOv5, YOLOR, YOLOX и выявлена наиболее оптимальная модель детектора. Задача второго этапа заключается в классификации объектов, найденных детектором. Сравнивались модели EfficientNetV2, SeResNet, ResNeSt, ReXNet, ResNet. Для обучения модели детектора и классификатора разработан подход подготовки данных, заключающийся в удалении изображений-дубликатов из выборки. Метод был модифицирован с помощью агломеративной кластеризации для разделения выборки на обучение, валидацию и тест. В задаче обнаружения объектов лучшим на наборе данных оказался алгоритм YOLOv5-L6 с точностью нахождения 98,5%. В задаче классификации найденных объектов, лучше всех себя показала архитектура ResNeSt-101 с качеством распознавания 98,339% на тестовых данных |
| Тематический раздел |
Автоматика и радиоэлектроника |
| Издательский номер в РЖ |
24.08-81.124 |
| Шифр ГРНТИ |
28.23.15 |
| Ключевые слова |
анализ данных, нейронные сети, классификация, ИИ |