Разработка нейросетевого приложения для распознавания участников дорожного движения в сложных погодных условиях
Актуальность проблемы распознавания дорожных объектов основана на повышении уровня безопасности на дорогах общего пользования и чрезвычайной важности информации, которую содержат дорожные объекты. При использовании автоматизированной системы распознавания чрезвычайно важно точно и своевременно определять дорожные знаки, когда транспортное средство движется как в городе, так и по автостраде.
Целью работы является разработка алгоритма распознавания и распознавания уличных объектов с высокой степенью инвариантности к аффинным и проекционным искажениям.
Для достижения этой цели необходимо решить следующие задачи:
1 Исследование существующих алгоритмов распознавания дорожных объектов на изображениях.
2 Разработка алгоритма распознавания изображений дорожных объектов на изображениях, обеспечивающего высокую устойчивость к наличию шумов и различных искажений.
3 Реализация алгоритма обнаружения дорожных знаков на изображениях, обладающего высокой устойчивостью к шумам и различным искажениям.
Исследования сосредоточены на системах обработки изображений на основе сверточных нейронных сетей.
Предмет исследования - применение нейросетевых алгоритмов для распознавания и распознавания дорожных знаков на изображениях со сложным фоном.
Содержание
Глава 1. Основы построения нейросетевых приложений. 4
1.1 Нейроматематика - новый перспективный раздел вычислительной математики. 4
1.2. Выбор задач, адекватных нейросетевому логическому базису. 7
1.3. Маршрут проектирования нейросетевого приложения. 12
1.4. Алгоритм обратного распространения ошибки для сетей с прямыми последовательными связями. 34
1.6. Сравнительный анализ существующих подходов к распознаванию участков дорожного движения в сложных погодных условиях. 45
1.6.1. Сравнение с шаблоном.. 45
1.6.2 Дескрипторы локальных особенностей. 45
1.6.3 Алгоритм Виолы Джонса. 46
1.6.4 Искусственные нейронные сети (ИНС) 47
Глава 2. Разработка программы и обучение нейронной сети для распознавания. 49
2.2. Выбор языка и ПО для программной разработки. 51
2.3. Обучение нейронной сети. 56
2.4. Разработка программы.. 58
2.5. Анализ эффективности работы разработанной программы.. 62
Список используемой литературы.. 65
Приложение А: Листинг программной разработки нейросетевого приложения для распознавания участков дорожного движения в сложных погодных условиях. 71
1. Галушкин А.И. Многослойные системы распознавания образов, М. МИЭМ, 1970 г.
2. Галушкин А.И. Синтез многослойных нейронных систем распознавания образов, М. Из-во «Энергия», 1974 г.
3. Галушкин А.И. Теория нейронных сетей, М., ИПРЖР, 2000 г.4. под ред. Галушкина А.И, Нейроматематика. Т.6 серии «Нейрокомпьютеры и их применение», М., Из-во «Радиотехника», 2002 г.
4. Галушкин А.И. Нейроматематика (проблемы развития), «Нейрокомпьютер» №1, 2003 г.
5. Галушкин А.И. Нейрокомпьютеры и их применение на рубеже тысячелетий в Китае, М., Из-во «Горячая линия Телеком», 2004 г.
6. Галушкин А.И. Формирование начальных условий для ускорения настройки коэффициентов нейронных сетей в задачах оптимизации, «Нейрокомпьютер» №5, 2005 г.
7. Галушкин А. И. Нейрокомпьютеры. Серия «Нейрокомпьютеры и их применение» книга 3, Изд-во «Радиотехника», М 2002г.
8. K.Likharev, "Single-electron devices and Their Applications", Proc. of IEEE, vol. 87, 1999, pp. 606-632.
9. K.K. Likharev, "Correlated discrete transfer of single electron in ultrasmall tunnel junctions", IBM J. Res. Develop., vol. 32, №1, pp. 144-158, 1988.
10. Simon Foiling, Ozgur Turel, Konstantin Likharev, "Single-Electron Latching Switches as Nanoscale Synapses". Proc. IJCNN'01, 216-221
11. Галушкин А.И., Кирсанов Д.В., Цифровые нейрочипы, Зарубежная ра-диолектроника № 1, 1999 г.;
12. ХЪ.под ред. Галушкина А.И., Нейронные сети: обучение, организация и применение, Серия «Нейрокомпьютеры и их применение» Книга 4, Издательство «Радиотехника», М, 2001 г.;
13. Галушкин А.И., Сфера применения нейрокомпьютеров расширяется, Нейрокомпьютер №1, 2001 г. 60-70;
14. Галушкин A.PL, Сфера применения нейрокомпьютеров расширяется, Приложение к журналу «Информационные технологии» №10, 2001 г.;
15. Galushkin A.I., Problem of Neural Networks Theory in Their perspective, Int. Conf. On Neural Information Processing Shanghai 2001, ICONIP'Ol;
16. Розенблатт Ф, Принципы нейродинамики. — M., Мир, 1964.
17. J own D.Owens, David Luebke, Naga Govindaraju, Mark Harris, Jens Kruger, Aaron E. Lefohn, Timothy J. Purcell. A survey of General-Purpose Computation on Graphics Hardware. Eurographics 2005,State of the Art Reports , August 2005, pp.21-51.
18. JANSEN Т., VONRYMON-LIPINSKI В., HANSSENN., KEEVE E.\ Fourier volume rendering on the GPU using a Split-Stream-FFT. //Proceedings of Vision, Modeling,and Visualization (Nov. 2004), pp. 395-403.
19. PURCELL Т. J, BUCK I., MARK W. R., HANRAHAN P.: Ray tracing on programmable graphics hardware.// ACM Transactions on Graphics 21, 3 (July 2002), 703-712.
20. BOHN C. A.: Kohonen feature mapping through graphics hardware.// Proceedings of the Joint Conference on Information Sciences (1998), vol. II, pp. 64-67.
21. GPU-based multi-layer perceptron as efficient method for approximation complex light models in per-vertex lighting. // http://stud.ics.p.lodz.pl/~keyei/lab/atmoseng/index.html.
22. Kyoung-Su Oh, Keechul Jung :GPU implementation of neural networks. // Pattern Recognition 37 (2004) 1311 1314 www.elsevier.com/locate/patcog.
23. NVIDIA GeForce 7900 GT PCI-E 256MB DDR3 (450/1320 MHz). http://www.ixbt.com/video/itogi-video/0306/itogi-video-gf7900gt.html.
24. NVIDIA GeForce 7900 GTX PCI-E 512MB DDR3 (650/1600 MHz). http://www.ixbt.com/video/itogi-video/0306/itogi-video-gf7900gtx-512.html.33. 3Dlabs, New Wildcat Realizm Graphics Technology, www.3dlabs.com,2004.
25. William R. Mark. R. Steven Glanville, Kurt Akeley, Mark Kilgard (The University of Texas at Austin. NVIDIA Corporation): Cg: A system for programming graphics hardware in a C-like language.
26. Mccormick P. S., Inman J., Ahrens J. P., Hansen C., Roth G.: Scout: A hardware-accelerated system for quantitatively driven visualization and analysis.IEEE Visualization 2004 (Oct. 2004), pp. 171-178.
27. LEFOHN A. E., KNISS J., STRZODKA R., SENGUPTA S., OWENS J. D.: Glift:Generic, efficient, random-access GPU data structures.//ACM Transactions on Graphics(2005).
28. LEFOHN A., KNISS J., OWENS J.: Implementing efficient parallel data structures on GPUs. GPU Gems 2, Pharr M., (Ed.).AddisonWesley, Mar.2005, ch. 33, pp. 521-545.
29. BUCK I, FOLEY Т., HORN D., SUGERMAN J., FATAHALIAN K, HOUSTON M., HANRAHAN P.: Brook for GPUs: Stream computing on graphics hardware.// ACMTransactions on Graphics 23, 3 (Aug. 2004), 777— 786.
30. PURCELL T. J., BUCK I., MARK W. R., HANRAHAN P.: Ray tracing on programmable graphics hardware.// ACM Transactions on Graphics 21, 3 (July 2002), 703-712.
31. Коммуникационные библиотеки -http://www.parallel.ru/tech/tech dev/ifaces.html.
32. Технология параллельного программирования MPI — http://parallel.ru/tech/tech dev/mpi.html.
33. Под ред. Бреховских JI.M. , Акустика океана. / М.: Наука, 1974.43 .Бреховских JI.M., Лысанов Ю.П. Теоретические основы акустики океана. Гидромтеоиздат, Ленинград, 1982.
34. H.J. DELGADO, М.Н. THURSBY, F.M. НАМ, A Novel Neural Network for the Synthesis of Antennas and Microwave Devices // IEEE Trans. On Neural Networks, vol. 16, №6, Nov. 2005.
35. Галушкин А.И., Кирсанов Д.В., «Заказной каскадируемый нейрочип», Нейрокомпьютер, 2, 1992.
36. Галушкин А.И., Кирсанов Д.В. и др., «Разработка цифрового универсального каскадируемого нейрочипа», Отчет по НИР, НЦН РАН, 1993, Москва.41 .Реализация нейронных сетей на ПЛИС Xilinx. Воронеж: СКАН Инжиниринг Телеком. 2000. 32 стр.
37. А.В. Алюшин, М.И. Шулепко, Исследование технологии проектирования на ПЛИС, 2-ой Этап НИР 90-3-730, 1991, Москва
38. Choi Н., Burleson W.P., Phatak D.S. Fixed-Point Roundoff Error Analysis of Large Feedforward Neural Networks. //Proceedings of 1993 IEEE50.www.xilinx.com. The programmable logic data book, 2002
39. L.M. Reyneri, "Implementation Issues of Neuro-Fuzzy Hardware: Going Towards HW/SW Design", IEEE Transactions on Neural Networks, Vol. 14, №1, Janyary 2003, pp. 176-194.
40. Галушкин А.И., Кирсанов Д.В., Цифровые нейрочипы (специализированные цифровые БИС для нейрокомпьютеров)// Зарубежная радиоэлектроника 1999 №1, стр. 17-37.
41. П.А. Казанцев. О нейронных сетях на базе одноэлектронных туннельных устройств. Труды XLV научной конференции МФТИ, 2002 г.
42. П.А.Казанцев, А.И. Галушкин, Г.П. Остапенко. Реализация фрагмента нейронной сети на ПЛИС Xilinx с возможностью изменения весов и функции активации в реальном времени, Труды 6-ой Международной научно-технической конференции DSPA-2004, Москва.
43. Казанцев П.А., Интегрированный контур обучения, как средство повышения производительности и функциональности цифрового нейросетевого устройства, Труды 6-ой Международной научно-технической конференции DSPA-2004, Москва.
44. Галушкин A.M., Казанцев П.А., Остапенко Г.П., Исследования с целью создания супернейрокомпыотеров, включая системное и прикладное программное обеспечение, отчет по НИР по гранту № 03-07 90159, Москва 2005г.
45. Казанцев П.А. и др., Разработка системы нейроуправления чашевыми окомкователями. Отчет по НИР/ Научный центр нейрокомпьютеров. — М, 2004.
46. Остапенко Г.П., Казанцев П.А., Аппаратная реализация нейрокомпьютеров в России, Юбилейный выпуск «Нейрокомпьютерыи их применение», №1, Москва, ИПРЖР, 2005г.,
47. A.I. Galushkin, S.V. Korobkova, P.A. Kazantsev, Neurocomathematics: Development tendencies, Applied and Computational Mathematics v.2, №1, 2003r.
48. Казанцев П.А., Коробкова С.В., Лодягин A.M., Распознавание гранулометрического состава потока округлых тел по огибающей поверхности нейросетевым методом, Нейросетевые технологии и их применение («НСТиП-2005»), г. Краматорск, 2005.
49. Galushkin A.I., Kazantsev P.A., Korobkova S.V., Lodyagin A.M., Panteleev S.V., Neural Network Recognition of Spherical Bodies Set Grain-Size Distribution Using Envelope of Surface, Proceedings of IEEE WCCI'2006.
50. Казанцев П.А., Нейросетевой синтез микрополосковой антенны с возбуждением коаксиальным зондом // Труды 9-ой Международной конференции DSPA'07, стр. 537-539, Москва, 2007.
51. Казанцев П.А., Определение глубины источника в морском пространстве по гидроакустическим параметрам среды с помощью нейронных сетей // Труды 9-ой Международной конференции DSPA'07, стр. 543546, Москва, 2007.
52. Х.Казанцев П.А., Скрибцов П.В., «Нейроматематика» открытый пакет для решения сложных прикладных математических задач с использованием нейросетевых алгоритмов // Труды 9-ой Международной конференции DSPA'07, стр. 522-527, Москва, 2007.
53. Казанцев П.А., Нейрокомпьютеры на базе программируемых логических интегральных схем // Нейрокомпьютеры: разработка и применение, Издательство «Радиотехника», №8, стр. 73-84, Москва, 2007.
54. Казанг\ев П.А., Построение моделей микрополосковых антенн с помощью нейронных сетей прямого распространения // Нейрокомпьютеры: разработка и применение, Издательство «Радиотехника», №9, на CD, Москва, 2007.
55. Галушкин А.И., Казанцев П.А., Козлов КВ., Лодягин A.M., В.Ф. Лось, Нейросетевой синтез микрополосковой антенны, возбуждаемой коаксиальным зондом // Издательство «Радиотехника», Журнал «Антенны», №9, 2007.
