TAILIEUCHUNG - Ứng dụng mạng nơ ron tích chập lai ghép để xử lý ảnh trong hệ thống báo động trực ca hàng hải

Bài viết nghiên cứu và áp dụng giải thuật lai ghép SSDLite_MobileNetV2 cải tiến vào hệ thống báo động trực ca hàng hải . Phần cứng thiết kế dựa trên Raspberry Pi-3, một board máy tính nhúng với CPU cấp điện thoại thông minh, RAM giới hạn và không có GPU CUDA. | Ứng dụng mạng nơ ron tích chập lai ghép để xử lý ảnh trong hệ thống báo động trực ca hàng hải 47 TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 32-05/2019 ỨNG DỤNG MẠNG NƠ RON TÍCH CHẬP LAI GHÉP ĐỂ XỬ LÝ ẢNH TRONG HỆ THỐNG BÁO ĐỘNG TRỰC CA HÀNG HẢI APPLYING HYBRID CONVOLUTIONAL NEURAL NETWORKS FOR IMAGE PROCESSING TO BRIDGE NAVIGATIONAL WATCH AND ALARM SYSTEM Đặng Xuân Kiên, Nguyễn Việt Chính, Phan Thanh Minh Trường Đại học Giao thông vận tải Tp. Hồ Chí Minh Tóm tắt: Hiện nay, mạng nơ ron tích chập được coi như một công cụ hữu hiệu nhất trong kỹ thuật chuẩn đoán và xử lý hình ảnh. Trong bài báo này, các tác giả đã nghiên cứu và áp dụng giải thuật lai ghép SSDLite_MobileNetV2 cải tiến vào hệ thống báo động trực ca hàng hải . Phần cứng thiết kế dựa trên Raspberry Pi-3, một board máy tính nhúng với CPU cấp điện thoại thông minh, RAM giới hạn và không có GPU CUDA. Kết quả thực nghiệm cho thấy hoàn toàn có thể đưa một mô hình học sâu áp dụng lên các máy tính nhúng với độ chính xác cao như các kết quả trong nghiên cứu này. Từ khóa: Mạng nơ ron tích chập, phát hiện đối tượng, BNWAS. Chỉ số phân loại: Abstract: Currently, Convolutional Neural Networks are considered as the most effective tool in image diagnosis and processing techniques. In this paper, the authors have studied and applied the modified SSDLite_MobileNetV2 hybrid algorithm to Bridge Navigational Watch & Alarm System - (BNWAS). The hardware was designed based on Raspberry Pi-3, a embedded single board computer with CPU smartphone level, limited RAM without CUDA GPU. Experimental results showed that we can deploy a deep learning model on an embedded single board computer with high effective. Keywords: Convolutional neural networks, object detection, BNWAS. Classification number: thiệu được các quy định của IMO [6], [7], [9] và IEC Phát hiện đối tượng có thể được coi là một [8] để có thể đưa vào thử nghiệm và vận .

• Cơ khí - Chế tạo máy
• Mạng nơ ron tích chập
• Phát hiện đối tượng
• Xử lý ảnh
• Hệ thống báo động trực ca hàng hải
• Mô hình CNN
• Mạng nơ ron học sâu
• Nhận dạng khuôn mặt
• Nhận dạng khuôn mặt từ video
• Nhận dạng chữ số viết tay
• Multi layer perceptron
• Mô hình mạng nơ ron tích chập
• Kiến trúc CNN
• Deep learning
• Mạng nơ ron
• Mạng Inception v3
• Kiến trúc mạng nơ ron
• Tóm tắt Luận văn Thạc sĩ
• Khoa học máy tính
• Phân loại độ tuổi bằng ảnh mặt người
• Nhận diện khuôn mặt
• Mạng nơ ron tích chập xếp chồng
• Mô hình FaceNet
• Thuật toán đặc trưng khuôn mặt
• Phát hiện cháy rừng
• Camera giám sát
• Cảnh báo cháy rừng
• Phát hiện lửa
• Mạng nơ ron YOLOV5
• Thị giác máy
• Hệ thống báo cháy
• Phân lớp phương tiện giao thông
• Kỹ thuật học sâu
• Mạng R CNN
• Công tác quản lý giao thông
• Dự đoán góc quay vô lăng
• Xe tự lái
• Cấu trúc mạng
• Công nghệ LiDAR
• Giới thiệu bài toán tô màu
• Mô hình mạng residual
• Mô hình kết hợp ResNet18
• Mô hình kết hợp VGG16
• Tích hợp DSM
• Thuật toán Catboost
• Mô hình số bề mặt
• Xử lý ngôn ngữ tự nhiên
• Tạp chí Khoa học và Công nghệ
• Nhận dạng cảm xúc
• Phân loại cảm xúc
• Trích chọn đặc trưng
• Phát hiện bộ phận cây
• Tập dữ liệu PlantClef
• Phương pháp phát hiện tự động bộ phận cây
• Hệ thống tự động nhận dạng cây
• Luận văn Thạc sĩ
• Công nghệ thông tin
• Kỹ thuật phần mềm
• Nghiên cứu mạng nơ ron tích chập
• Mô hình dự đoán tương tác protein
• Phân loại dạng điều chế tín hiệu
• Phương pháp nhận dạng tín hiệu
• Công cụ học sâu
• Điều chế tín hiệu
• Luận văn Thạc sĩ Kỹ thuật
• Hành vi của khách hàng theo độ tuổi
• Tạp Chí Khoa Học Giáo Dục
• Khoa Học Giáo Dục Kỹ Thuật
• Nhận diện cảm xúc khuôn mặt
• Phân loại cảm xúc khuôn mặt
• Thuật toán tối ưu
• Giá trị hàm mất mát
• Số chu kì học
• Hàm Entropy chéo
• Nhận dạng cử chỉ tay
• Ra đa FMCW
• Phổ micro Doppler
• Mô hình Cross CNN
• Trí tuệ nhân tạo
• Nền tảng di động Android
• Bài toán nhận dạng chữ số viết tay
• Kĩ thuật học sâu
• Bộ cơ sở dữ liệu MNIST
• Bộ cơ sở dữ liệu CIFAR 10
• Phân lớp ảnh
• Truy vấn ảnh dựa trên ngữ nghĩa
• Bộ dữ liệu ảnh Caltech 256
• Tập từ vựng thị giác
• Mảng anten không đồng nhất
• Nguồn tín hiệu vô tuyến
• Mô hình DOA ResNet
• Trinh sát tín hiệu vô tuyến
• Đo đạc bản đồ
• Trắc địa bản đồ
• Rác thải nhựa
• Hệ sinh thái biển
• Ô nhiễm rác thải nhựa
• Mô hình Faster R CNN
• Đối tượng di động