В статье рассмотрено применение современного метода обнаружения объектов на изображении – Single Shot Multibox Detector. Осуществлено обучение свёрточной нейронной сети для обнаружения транспортных средств на выборке из 3000 изображений с размеченными областями расположения автомобилей. Произведена проверка качества работы сети на 7000 тестовых изображениях. Тестовая и обучающая выборки содержат изображения, сделанные монокулярной камерой, установленной в транспортном средстве, движущемся по загородным шоссе в светлое время суток. Полнота и точность обнаружения объектов на тестовой выборке составляет соответственно более 88% и 78%. Распознавание одного кадра занимает 28,5 миллисекунд, при этом вычисления осуществляются на графическом процессоре с использованием технологии NVidia CUDA. Полученные результаты могут быть применены в системах помощи водителю и мониторинга дорожной обстановки.
In this article we consider the application of the modern object detection method – Single Shot Multibox Detector. We have trained the convolutional neural network for vehicle detection on a sample of 3000 images with marked areas where are the vehicles are placed. A network quality check was performed on 7000 test images. The test and training samples contain images made by a monocular camera mounted in a vehicle moving along suburban highways during daylight hours. Recall and precision of object detection on the test sample is correspondingly more than 88% and 78%. Recognition of one frame takes 28.5 milliseconds. Experiment was performed on a graphics processor using NVidia CUDA technology. The obtained results can be applied in driver assistance systems and monitoring of the traffic situations.