ОГЛЯД ТЕХНОЛОГІЙ КОМП’ЮТЕРНОГО ЗОРУ НА ОСНОВІ ГЛИБОКИХ НЕЙРОННИХ МЕРЕЖ ЩОДО ВИКОРИСТАННЯ НА ЗАЛІЗНИЧНОМУ ТРАНСПОРТІ
DOI:
https://doi.org/10.35546/kntu2078-4481.2025.3.2.48Ключові слова:
комп’ютерний зір, глибока згорткова нейронна мережа, проблеми, класифікація, архітектура, фільтр (ядро), функція активації, глибоке навчання, перенесення навчання, функція втратАнотація
У даній роботі виконано огляд технологій комп’ютерного зору на основі глибоких нейронних мереж щодо використання на залізничному транспорті.Під час воєнної агресії потребуються модернізація залізничної інфраструктури України, що пов’язана з використанням систем комп’ютерного зору на основі глибоких нейронних мереж, для забезпечення точності та безпеки. Для вирішення завдань комп’ютерного зору на залізничному транспорті (класифікація та ідентифікація об’єктів, а також стеження за ними) рекомендовано використання глибоких згорткових нейроннх мереж (Deep Convolutional Neural Networks, DCNN). Проведений огляд технологій комп’ютерного зору з використанням глибоких згорткових нейронних мереж надав можливість визначити їх проблеми, відобразити загальну архітектуру з призначенням шарів (згортковий шар; шар об’єднання; активаційний шар; повнозв’язаний шар; шар нормалізації; шар відсіву; щільний шар), а також ознайомитися з результатами відповідного аналізу українських та закордонних науковців відповідно до їх класифікації: на основі просторового використання; на основі глибини; з безліччю підключень; на основі використання карти ознак, стиснення і збудження; на основі використання бустінга каналів; з використанням механізму уваги. На сучасному етапі в задачах комп’ютерного зору для реалізації DCNN найчастіше використовується програмне середовище TensorFlow. Результати проведеного огляду технологій комп’ютерного зору на основі використання глибоких згорткових нейронних мереж можуть бути використані як методологічна основа для модернізації залізничної інфраструктури України в умовах воєнного стану.
Посилання
Гангало І.М., Лісовий Д.О., Жебка В.В. Розпізнавання об’єктів за допомогою технологій комп’ютерного зору. Телекомунікаційні та інформаційні технології. 2022. № 4(77). С. 46–52. DOI: 10.31673/2412-4338.2022.044652
Зінченко О. В., Звенігородський О. С., Кисіль Т. М. Згорткові нейронні мережі для вирішення задач комп’ютерного зору. Телекомунікаційні та інформаційні технології. 2022. № 2(75). С. 4–12. DOI: 10.31673/2412-4338.2022.020411.
Мамута М. С., Кравченко І. В., Мамута О. Д., Тужанський С. Є. Оцінка класифікації зображень для перенесення навчання у згорткових нейронних мережах. Оптико-електронні інформаційно-енергетичні технології. 2023. № 1(45). С. 64–69. DOI: 10.31649/1681-7893-2023-45-1-64-70
Тимчишин Р. М., Волков О. Є., Господарчук О. Ю., Богачук Ю. П. Сучасні підходи до розв’язання задач комп’ютерного зору. Control systems and computers, 2018. № 6. С. 46–73. DOI: https://doi.org/10.15407/usim.2018.06.046
Boesch G. Very Deep Convolutional Networks (VGG) Essential Guide. 2021. [Electronic resource]. URL: https://viso.ai/deep-learning/vgg-very-deep-convolutional-networks/ (дата звернення: 20.08.2025)
Harrington R. M., Lima A. de O., Fox-Ivey R., Nguyen T., Laurent J., Dersch M. S., Edwards J. R.. Use of deep convolutional neural networks and change detection technology for railway track inspections. Journal of Rail and Rapid Transit. 2023. Vol. 237. Iss. 2. Pp. 137–145. URL: https://doi.org/10.1177/09544097221093486
Krizhevsky A., Sutskever I., Hinton G.E. ImageNet Classification with Deep Convolutional Neural Networks. Communications of the ACM. 2017. Vol. 60. No. 6. Pp.84-90. URL: https://doi.org/10.1145/3065386
Nafizul Haque Kh. What is Convolutional Neural Network – CNN (Deep Learning). 2023. [Electronic resource]. URL:https://nafizshahriar.medium.com/what-is-convolutional-neural-network-cnn deep-learning-b3921bdd82d5 (дата звернення: 20.08.2025).
Tang Y., Qian Yu. High-speed railway track components inspection framework based on YOLOv8 with high-performance model deployment. High-speed Railway. 2024. № 2(1). Pp. 42–50. URL: https://doi.org/10.1016/ j.hspr.2024.02.001
Tomka Yu., Talakh M., Dvorzhak V., Ushenko O. Implementation of a Convolutional Neural Network Using TensorFlow Machine Learning Platform. Optoelectronic Information-Power Technologies. 2023. Vol. 44. № 2. Pp. 55–65.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
