Пояснительная записка королёв (1206314), страница 9
Текст из файла (страница 9)
Использование этого метода позволяет значительно снизить времяи объем вычислений.2.6 Выводы по 2 главеПроизведен полный анализ структуры, предложенной сверточнойнейронной сети. Предложен метод распознавания дорожных знаковоснованный на комбинированном использование метода опорных векторов исверточнойнейроннойсети.Данныйметодзасчетпоочереднойидентификации, обеспечивает необходимую надежность и высокую степеньинвариантности к различным шумовым и проекционным искажениям. Наосноведанногометодабудетразработанопрограммноесредствораспознавания дорожных знаков на изображении.573 Программное обеспечения для распознавания дорожных знаков наизображенииВ данной главе представлено описание программной реализацииразработанных алгоритмов.
Представлен обзор инструментальных библиотекпо компьютерному зрению и обработке изображений и приведенообоснование выбора средств для программной реализации алгоритмов.Представлено описание программы, краткое руководство пользователя. Также будут наглядно продемонстрированы преимущества программы дляраспознавания дорожных знаков на большом расстоянии, в повернутомсостоянии и распознавание нескольких знаков одновременно.3.1 Общие требования к разрабатываемому программному обеспечениюИсходя из современных требований к качеству программного обеспечения,разрабатываемая программная система должна обладать следующимихарактеристиками: корректная работа программной системы в решении поставленныхзадач. устойчивость программной системы к различным ошибкам, сбоям идействиям, выходящим за рамки ее функционального предназначения. небольшая вычислительная сложность используемых алгоритмов. возможность расширять, изменять и дополнять функциональностьразработанных библиотек.
для обеспечения этого пункта необходимоследовать принципам простоты построения программы и децентрализации. программная система должна обладать модульной архитектурой, гдекаждый модуль предназначен для решения определенных задач.58 не противоречивость программных модулей.
заключается в том, что всемодули программной системы должны работать в едином слаженном режимеи не противоречить друг другу. возможностьповторногоиспользованияпрограммныхмодулей.Обеспечивает сокращение времени разработки программной системы исокращение размера программного кода.Всоответствиипрограммнойспоставленнымисистемепредъявляютсязадачамикразрабатываемойследующиефункциональныетребования: выполнение предварительной обработки цифровых изображений дляосуществления последующих операций с ними; возможность настройки классификаторов, на основе обучающихданных, которые хранятся во внешних файлах; детектирование области расположения изображений дорожных знаков; осуществление нормализации изображений символов; распознавание символов на изображениях;3.2 Выбор средств для разработки программного обеспеченияНаиболее часто используемым инструментом для создания нейронныхсетей считается пакет прикладных программ для решения задач техническихвычислений Matlab Neural Network Toolbox.
Для данного пакета программсуществует несколько библиотек, направленных на реализацию сверточныхнейронных сетей. Но разработка нейронных сетей в Matlab имеет ряднедостатков, которые заключаются в громоздкой реализации и крайне низкойскорости работы. Так же существует несколько библиотек для реализацииСНС и алгоритмов их обучения, большинство из которых написаны на языкеPython. В процессе анализа и тестирования некоторых библиотек быловыявлено, что они не всегда корректно устанавливаются и работают.
В итоге59для решения поставленной задачи был сделан выбор в пользу программнойреализации СНС, а также алгоритмов их обучения. На сегодняшний деньсуществует множество языков программирования, как с общей, так и снаучной направленностью. Один из наиболее востребованных и удобныхязыковдлярешенияпрограммированияширокогоC#.Удобстводиапазоназадачиспользованияявляетсяданногоязыкязыкапрограммирования заключается в наличии большого количества различныхбиблиотекиоптимизируемыхалгоритмов.Такжеданныйязыкпрограммирования обеспечивает следующие достоинства при разработкенейронных сетей: Возможностьреализациимодульнойиерархическойструктурынейронной сети; Возможность создания гибкой и легко перестраиваемой моделинейронной сети; Предоставляет наиболее прозрачную реализацию нейронной сетиИсходя из этого, в качестве языка программирования был выбран языкпрограммирования С#, в качестве среды программирования было выбранопрограммное обеспечение Microsoft Visual Studio 2016.Так же для решения задач в области компьютерного зрения и обработкиизображенийширокоиспользуютсяспециализированныебиблиотеки.Наиболее популярной и распространенной является открытая библиотекаOpenCV (Open Source Computer Vision Library).
Библиотека содержиталгоритмы интерпретации изображений, устранения оптических искажений,анализа перемещения объектов, сегментации изображений и другихчисленных алгоритмов общего назначения с открытым кодом. Даннаябиблиотека реализована на языках C#, C++, также разрабатывается для Python,Java, Matlab и других языков.Библиотека содержит следующие модули:60 CXCORE – базовые структуры. Содержит: алгоритмы работы спамятью; алгоритмы преобразования типов данных; алгоритмы работы сматрицами; алгоритмы работы с 2D объектами. CV – модуль, предназначенный для обработки изображений. Содержит:алгоритмы для обработки и анализа изображений; алгоритмы слежения заобъектами; алгоритмы распознания объектов; алгоритмы, предназначенныедля калибровки камер. ML – модуль, предназначенный для машинного обучения.
Содержит:алгоритмы, предназначенные для классификации и анализа данных. HighGUI – модуль, предназначенный для создания пользовательскогоинтерфейса. Поддерживает: создание окон, вывод изображений, захват видео. CVAUX – модуль, предназначенный для описания пространственногозрения. Содержит: алгоритмы описания черт лица, описания текстур. CVCAM – модуль, предназначенный для захвата видео с цифровыхкамер.Чтобы достичь максимальных результатов от обучения сети дляобучающей выборки был выбран пакет данных German Traffic Sign RecognitionBenchmark (GTSRB), состоящий из около 51 839 изображений, с разнымиразмерами от 15х15 до 250х250 пикселей.
Все они содержат один из 43 видовнемецких дорожных знаков. Изображения уже разделены в соотношении 1:3на тестовые и тренировочные данные соответственно. Тренировочные данныеуже отсортированы на основе класса, изображенных на них дорожных знаков,и находятся в 43 папках [46].GTSRB заключает в себе огромное множество образцов знаков одноговида, которые отличаются друг от друга размерами, интенсивностью цвета,наклоном и углом поворота знака на изображении. Продемонстрированные вGTSRBизображенияотносятсяктакназываемымположительнымпрецедентам, это значит, что они содержат изображения дорожного знака, аотрицательными прецедентами они будут являться если они не содержат61изображений с дорожными знаками. В GTSRB существуют кадры, которые несодержат дорожные знаки, при чем они отобраны так, что есть шанс принятьих за искомый дорожный знак. Их используют с целью, различияположительных от отрицательных прецедентов [28].3.3 Интерфейс программного обеспеченияПри запуске программной системы открывается форма главногоинтерфейса, на рисунке 3.1 показан снимок экрана с главным окномпрограммыРисунок 3.1 – Главное меню системы распознавания дорожных знаковВ правом верхнем углу окна программы находятся стандартные кнопкидля каждого программного продукта: свернуть; развернуть в полное окно;62 закрыть программу.Так же есть кнопка «вернуться на главную страницу» программы (рис.3.2).Рисунок 3.2 – Кнопка программы, возвращающая на основную страницу«главная»Кнопка «запуск» открывает окно импорта тестовых изображений дляпроверки работоспособности программы.
На рисунке 3.3 показана тестоваявыборка изображенийРисунок 3.3 – Импорт изображений в программыКнопка «обучение» позволит выбрать обученную сеть или обучить новую.Кнопка «загрузить модель» поможет загрузить уже сохраненные модели.Пример на рисунке 3.4.63Рисунок 3.4 – Окно выбора сохраненных моделейУ нас имеются уже обученные модели дорожных знаков, которые можноувидеть на рисунке 3.5.Рисунок 3.5 – Доступные обученные модели дорожных знаковТак же после обучения можно сохранить модель, с помощью кнопкисохранить модель, пример показан на рисунке 3.6.Рисунок 3.6 – Кнопка сохранить модель64После нажатия кнопки «запуск» и выбора тестовых изображенийпоявляется такое окно (рис.
3.7).Рисунок 3.7 – Окно программы в рабочем режимеС левой стороны окна находятся тестовые изображения для проверкиработоспособностипрограммы.Справойстороныинформацияораспознавшемся знаке такая как: цвет; форма; содержание знака.Сам идентифицированный знак на фотографии выделяется желтымцветом.В правом нижнем углу находится кнопка «показать все» она отвечает зафильтр, программы который не выводит на экран похожие на дорожные знакиобъекты.
Эту функцию можно отключить (рис. 3.8).65Рисунок 3.8 - Работа программы без функции фильтраКак видно из рисунка 3.8 ИС нашла похожие на дорожные знаки объектытак как они тоже удовлетворяют параметрам идентификации по форме ицвету.Технические характеристики ПК, использованного для вычислительныхэлементов:Таблица 3.1 – Характеристики ПКНазвание параметраХарактеристикаОборудованиеМодельHP Pavilion DV7Программное обеспечение (ПО)Операционная система (OC)Microsoft Windows 10Тип системы64-разрядная ОС, процессор х64Центральный процессор (ЦП)66Окончание таблицы 3.1Центральный процессорIntel Pentium Dual CoreИндексN3540Частота процессора2,33 ГГцОперативная память (ОЗУ)Тип оперативной памятиDDR3Объем оперативной памяти6048 МБСтандарт памятиPC3 – 10600Частота памяти1333 МГцВидеосистемаВидеокартаAMD Radeon 6700Объем памяти2048 МБ3.4 Оценка качества работы программной системыВ данном разделе представлены результаты тестирования разработаннойпрограммы.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
