Использование нейронных сетей для детектирования и определения характеристик горящих частиц С. А. Проханов, М. В. Агафонцев, Д. П. Касымов [и др.]
Material type:
ArticleContent type: Текст Media type: электронный Subject(s): нейронные сети | программные комплексы | детектирование частиц | распознавание изображенийGenre/Form: статьи в сборниках Online resources: Click here to access online
In:
Математическое моделирование и суперкомпьютерные технологии : труды XX Международной конференции, Нижний Новгород, 23–27 ноября 2020 г С. 315-318Abstract: Для улучшения программного комплекса по детектированию и трекингу горящих частиц проведена серия лабораторных и полунатурных экспериментов на установке «Огненный Дракон». В качестве частиц использованы частиц^! природного происхождения (кора и веточки сосны), а также древесные пеллеты (древесные топливные гранулы). Для обнаружения горящих частиц на термограммах был протестирован алгоритм YOLOv4, основанный на нейросетях, и проведено сравнение с Лапласиан Гауссиана (LoG) и Разность Гауссианов (DoG). Для оценки точности работы детекторов применялась метрика F-мера. Анализ сравнения показал, что алгоритм с применением нейросети глубого обучения YOLOv4 позволяют получить лучшую точность для детектирования частиц.
Библиогр.: 12 назв.
Для улучшения программного комплекса по детектированию и трекингу горящих частиц проведена серия лабораторных и полунатурных экспериментов на установке «Огненный Дракон». В качестве частиц использованы частиц^! природного происхождения (кора и веточки сосны), а также древесные пеллеты (древесные топливные гранулы). Для обнаружения горящих частиц на термограммах был протестирован алгоритм YOLOv4, основанный на нейросетях, и проведено сравнение с Лапласиан Гауссиана (LoG) и Разность Гауссианов (DoG). Для оценки точности работы детекторов применялась метрика F-мера. Анализ сравнения показал, что алгоритм с применением нейросети глубого обучения YOLOv4 позволяют получить лучшую точность для детектирования частиц.
There are no comments on this title.