Время науки - The Times of Science

Время науки The Times of Science 28 №2.1 Чувствительность показывает, насколько хорошо модель может идентифицировать реальные положительные случаи. Она определяется как количество истинно положительных прогнозов, деленное на общее количество фактических положительных примеров (которое включает истинно положительные и ложноотрицательные результаты). Для более точной оценки эффективности программного решения можно провести эксперименты на различных наборах данных, в различных условиях освещенности и погодных условиях, а также провести тестирование в реальных дорожных ситуациях. Таким образом можно получить более полное представление о возможностях и ограничениях нейронных сетей в области обеспечения безопасности дорожного движения. Примеры моделей на основе нейросетей: Мониторинг в реальном времени : для анализа записей с камер видеонаблюдения используются каналы CNN, что позволяет достичь высоких показателей точности (до 98%) при обнаружении несчастных случаев. Извлечение функций : такие модели, как ResNet50 и VGG16, извлекают сложные функции из видеокадров, что позволяет быстро идентифицировать несчастные случаи. Интеграция данных : нейронные сети могут обрабатывать различные наборы данных, включая погодные условия и объем трафика, для прогнозирования тенденций аварий. Популярны следующие фреймворки, архитектуры и инструменты машинного зрения: Supervise.ly Сотни компаний и исследователей используют Supervisely каждый день для маркировки изображений, видео, слияния датчиков LiDAR 3D или даже томов DICOM, управления наборами данных, совместной работы и обучения нейронных сетей. Supervise.ly предоставляет неограниченные возможности настройки и вариативности, направленные на решение любой задачи в области компьютерного зрения. You Only Look Once Это архитектура нейронных сетей, предназначенная для детекции объектов на изображении. Особенность YOLO заключается в подходе к решению задачи детекции: она использует сжатие исходного изображения для получения квадратной матрицы размером 13 на 13, в каждой клетке которой записана информация о наличии объекта и классе этого объекта на соответствующей части картинки. Таким образом, YOLO просматривает картинку один раз, что существенно увеличивает скорость обработки. Darknet Это фреймворк с открытым исходным кодом, написанный на языке C с использованием программно-аппаратной архитектуры параллельных вычислений CUDA. Он быстрый, лёгкий и удобный в использовании. Также Darknet поддерживает вычисления на базе CPU и GPU.