ivdon3@bk.ru
В данной статье представлен сравнительный анализ моделей машинного обучения, применяемых для классификации водителей на основе данных датчиков микроэлектромеханических систем (МЭМС). Исследование основано на открытом наборе данных “UAH-DriveSet”, содержащем свыше 500 минут записей вождения с разметкой событий агрессивного поведения, таких как резкое торможение, резкий поворот и резкое ускорение. Рассмотрены алгоритмы градиентного бустинга, рекуррентной нейронной сети и сверточной нейронной сети. Особое внимание уделено анализу влияния на эффективность классификации параметров разделения данных методом скользящего окна, таких как размер окон и степень их перекрытия. Проведенное исследование вносит вклад в развитие систем машинного обучения для анализа поведения водителей и создание интеллектуальных решений на основе датчиков МЭМС.
Ключевые слова: анализ поведения водителей, датчики микроэлектромеханических систем, машинное обучение, агрессивное вождение, градиентный бустинг, рекуррентные нейронные сети, сверточные нейронные сети, скользящее окно, классификация водителей
Обнаружение агрессивного и аномального поведения водителей, которое зависит от множества внешних и внутренних факторов, является критически важным направлением для повышения безопасности дорожного движения. В данной статье представлен обзор методов машинного обучения, применяемых в задаче классификации поведения водителей. Проведен анализ сильных и слабых сторон существующих методов машинного обучения, представлены различные подходы к постановке и решению задачи классификации, рассмотрены используемые источники данных и соответствующие технические средства. Отдельное внимание уделено анализу роли датчиков микроэлектромеханических систем и их вклада в точность и эффективность классификации поведения водителей. Данный обзор представляет собой анализ текущего состояния исследований в данной области и способствует выявлению потенциальных направлений для будущих работ.
Ключевые слова: машинное обучение, классификация водителей, поведение водителей, источник данных, микроэлектромеханическая система, мониторинг водителей, стиль вождения, анализ поведения
В данной работе было проведено исследование существующих классических и нейросетевых методов борьбы с зашумлениями в системах компьютерного зрения. Несмотря на то, что нейросетевые классификаторы демонстрируют высокую точность, добиться устойчивости на зашумленных данных не удается. Рассмотрены методы улучшения изображения на основе билатерального фильтра, гистограммы ориентированных градиентов, интеграции фильтров с Retinex, гамма-нормальной модели, комбинировании темного канала с различными инструментами, а также изменения в архитектуре сверточных нейронных сетей путем доработки или замены ее компонентов и применимости ансамблей нейронных сетей.
Ключевые слова: обработка изображений, фильтрация изображений, машинное зрение, распознавание образов
В данной работе было проведено исследование влияния тумана на системы машинного зрения, в частности, на корректность работы алгоритма распознавания образов. В рамках данной работы реализован фильтр, который устраняет искажения, вызванные туманом. Разработан корректирующий фильтр, осуществлен анализ работы нейронной сети с изображениями различной четкости, на основании которого были даны рекомендации по улучшению точности распознавания образов.
Ключевые слова: обработка изображений, фильтрация изображений, системы машинного зрения, распознавание образов
05.13.01 - Системный анализ, управление и обработка информации (по отраслям)
В работе рассматривается разработка системы выполнения моделей машинного обучения. Разрабатываемое система представляет собой набор микро-сервисов, способных найти применение в различных областях производства. Рассматриваются технологи для реализации и перспективы разрабатываемого продукта. В работе используются современные технологии сегментации и распознавания объектов на кадрах, а также технологии позволяющие выстроить инфраструктуру для данной системы, и технологий разработки программного обеспечения.
Ключевые слова: машинное обучение, компьютерное зрение, микросервисная архитектура, распознавание образов
05.13.01 - Системный анализ, управление и обработка информации (по отраслям)