Поиск :
Личный кабинет :
Электронный каталог: Демешко, В.С. - Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности
Демешко, В.С. - Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности
Статья
Автор: Демешко, В.С.
Системный анализ и прикладная информатика: Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности
Application of convolutional neural networks in the intelligence security system subsystem
б.г.
ISBN отсутствует
Автор: Демешко, В.С.
Системный анализ и прикладная информатика: Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности
Application of convolutional neural networks in the intelligence security system subsystem
б.г.
ISBN отсутствует
На полку
Статья
Демешко, В.С.
Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности = Application of convolutional neural networks in the intelligence security system subsystem / В. С. Демешко, А. И. Федоров // Системный анализ и прикладная информатика / гл. ред. Сергей Васильевич Харитончик; учредитель Белорусский национальный технический университет (Минск). – 2020. – №2. – С. 46-53. – Режим доступа : https://rep.bntu.by/handle/data/77730. – На рус. яз.
В статье предложена структура комплексной системы безопасности площадных объектов. Рассмотрены основные подсистемы, входящие в её состав. Определенны задачи подсистеме разведки по обнаружению и распознаванию наземных объектов наблюдения в сложной фоноцелевой обстановке. Задача обнаружения объекта наблюдения решалась на основе предложенного ранее алгоритма. Недостатком данного алгоритма являлось наличие ложных срабатываний от мерцающей сложной фоноцелевой обстановки. Для устранения данного недостатка предложено применить классификатор на основе сверточной нейронной сети, который распределяет выделенные объекты по конкретным классам. Проведен анализ и экспериментальные исследования по оценки точности распознавания наземных объектов такими сверточными архитектурами как VGG‑16, VGG‑19, Inception v3, ResNet‑50, MobileNet. Обучение и проверка качества распознавания данных архитектур проводилось на экспериментально созданном наборе данных с изображением человека на контрастном фоне и на различных дальностях. Полученные результаты свидетельствуют о возможности применения сверточной нейронной сети в системе охраны и её способность работать в реальном масштабе времени.
The article proposes the structure of an integrated security system for areal facilities. The main subsystems included in its composition are considered. The tasks of the intelligence subsystem for detecting and recognizing ground-based objects of observation in a complex phono-target environment are defined. The task of detecting an object of observation was solved on the basis of a previously proposed algorithm. The disadvantage of this algorithm was the presence of false positives from a flickering complex phono-target environment. To eliminate this drawback, it is proposed to apply a classifier based on the convolutional neural network, which distributes the selected objects to specific classes. The analysis and experimental studies to evaluate the accuracy of recognition of ground objects by convolutional architectures such as VGG‑16, VGG‑19, Inception v3, ResNet‑50, MobileNet. Training and verification of the recognition quality of architecture data was carried out on an experimentally created data set with a human image on a contrasting background and at different ranges. The results obtained indicate the possibility of using a convolutional neural network in the security system and its ability to work in real time.
623.4.023.47
общий = БД Техника
общий = НЕЙРОННЫЕ СЕТИ
общий = БЕЗОПАСНОСТИ СИСТЕМЫ
общий = СВЕРТОЧНЫЕ КОДЫ
общий = ОПТИКО-ЭЛЕКТРОННАЯ РАЗВЕДКА
Демешко, В.С.
Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности = Application of convolutional neural networks in the intelligence security system subsystem / В. С. Демешко, А. И. Федоров // Системный анализ и прикладная информатика / гл. ред. Сергей Васильевич Харитончик; учредитель Белорусский национальный технический университет (Минск). – 2020. – №2. – С. 46-53. – Режим доступа : https://rep.bntu.by/handle/data/77730. – На рус. яз.
В статье предложена структура комплексной системы безопасности площадных объектов. Рассмотрены основные подсистемы, входящие в её состав. Определенны задачи подсистеме разведки по обнаружению и распознаванию наземных объектов наблюдения в сложной фоноцелевой обстановке. Задача обнаружения объекта наблюдения решалась на основе предложенного ранее алгоритма. Недостатком данного алгоритма являлось наличие ложных срабатываний от мерцающей сложной фоноцелевой обстановки. Для устранения данного недостатка предложено применить классификатор на основе сверточной нейронной сети, который распределяет выделенные объекты по конкретным классам. Проведен анализ и экспериментальные исследования по оценки точности распознавания наземных объектов такими сверточными архитектурами как VGG‑16, VGG‑19, Inception v3, ResNet‑50, MobileNet. Обучение и проверка качества распознавания данных архитектур проводилось на экспериментально созданном наборе данных с изображением человека на контрастном фоне и на различных дальностях. Полученные результаты свидетельствуют о возможности применения сверточной нейронной сети в системе охраны и её способность работать в реальном масштабе времени.
The article proposes the structure of an integrated security system for areal facilities. The main subsystems included in its composition are considered. The tasks of the intelligence subsystem for detecting and recognizing ground-based objects of observation in a complex phono-target environment are defined. The task of detecting an object of observation was solved on the basis of a previously proposed algorithm. The disadvantage of this algorithm was the presence of false positives from a flickering complex phono-target environment. To eliminate this drawback, it is proposed to apply a classifier based on the convolutional neural network, which distributes the selected objects to specific classes. The analysis and experimental studies to evaluate the accuracy of recognition of ground objects by convolutional architectures such as VGG‑16, VGG‑19, Inception v3, ResNet‑50, MobileNet. Training and verification of the recognition quality of architecture data was carried out on an experimentally created data set with a human image on a contrasting background and at different ranges. The results obtained indicate the possibility of using a convolutional neural network in the security system and its ability to work in real time.
623.4.023.47
общий = БД Техника
общий = НЕЙРОННЫЕ СЕТИ
общий = БЕЗОПАСНОСТИ СИСТЕМЫ
общий = СВЕРТОЧНЫЕ КОДЫ
общий = ОПТИКО-ЭЛЕКТРОННАЯ РАЗВЕДКА
