Досліджено особливості найпоширеніших методів і систем пошуку та розпізнавання об'єктів у відеозображеннях. За результатами дослідження показано доцільність побудови засобів пошуку та розпізнавання для платформи iOS у реальному часі. Запропоновано метод функціональної адаптації алгоритму пошуку та розпізнавання об'єктів до особливостей відеозображень, який полягає в опрацюванні відеозображення згладжуючим і мінімізаційним фільтрами, що забезпечує зменшення часу пошуку та розпізнавання об'єктів. Розроблено базову структурну схему таких засобів та алгоритм функціонування. Розроблено алгоритмічно-програмні засоби для розв'язання завдання на знаходження та оперативне розпізнавання об'єктів у режимі реального часу мовою Swift під мобільну платформу iOS. Використано особливості згорткової нейронної мережі (НМ) з архітектурою YOLOv3 та фреймворку для роботи з НМ під мобільні додатки CoreML. Запропоновано метод поліпшення роботи такої НМ, який оснований на квантизації вагових коефіцієнтів НМ і забезпечує мінімізацію розміру моделі та часу пошуку її об'єктів. Досліджено значення частоти оброблення кадрів зображень із використанням запропонованої моделі YOLOv3-KD і моделей НМ типу YOLOv3-tiny та YOLOv3-416. Доведено можливість функціонування запропонованих засобів у режимі реального часу.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"