Параметри
РОЗРОБКА МОБІЛЬНОГО ДОДАТКУ ДЛЯ НЕЗРЯЧИХ ПІШОХОДІВ ДЛЯ ЗАПОБІГАННЯ НЕБЕЗПЕЦІ НА ДОРОЗІ
Тип публікації :
Стаття
Дата випуску :
29 грудня 2021 р.
Автор(и) :
Мова основного тексту :
English
eKNUTSHIR URL :
Том :
1
Випуск :
5
Цитування :
Андрієвський, Д., Шевченко, В., Петрівський, В. (2021). MOBILE APPLICATION DEVELOPMENT FOR BLIND PEDESTRIANS TO PREVENT ROAD DANGERS. Information systems and technologies security, 1(5). https://doi.org/10.17721/ISTS.2021.1.61-67
Згідно з останніми статистичними дослідженнями більше мільярда людей у всьому світі мають певні вади
зору. У свою чергу, порушення зору обмежують здатність людей виконувати щоденні функції і впливають на
якість їхнього життя та здатність взаємодіяти з навколишнім світом. У статті представлено розробку мобі
льного додатка для незрячих пішоходів для запобігання небезпекам на дорозі. Описано короткий огляд подібних
програм, таких як: Alexa, Via Opta Nav та Object Detector. Кожна з описаних програм має недоліки, наприклад,
обмежена область використання, відсутність виявлення об'єктів у реальному часі, застосування сторонніх або
фізичних пристроїв. Як результат, основним завданням цієї роботи є дослідження сучасних алгоритмів класифі
кації небезпек, підвищення точності алгоритму та розроблення програмного забезпечення, яке зможе ідентифі
кувати небезпеки в режимі реального часу, що не потребує фізичних пристроїв і експлуатується за допомогою
максимально простого інтерфейсу. Для розв'язання описаної вище проблеми використано моделі з відкритим
кодом MobiNetV2 та InceptionV3 для визначення об’єктів. Подане рішення складається з декількох етапів, таких
як: введення зображення з подальшим попереднім обробленням, оптимізація та оброблення результатів. Для
введення зображень хости отримують дані з файлової системи або локальної пам'яті, виконують будь-яке попе
реднє оброблення, а потім передають попередньо оброблені дані в ядра TPU. Попереднє оброблення викликає
парсер, який у свою чергу, викликає функцію синтаксичного аналізатора, де зображення попередньо обробляють
ся. Для оптимізації використовують стохастичну оптимізацію градієнтного спуску й оптимізатор імпульсу. У
результаті дослідження отримав подальший розвиток метод класифікації зображень для ідентифікації небез
пеки в режимі реального часу. Розроблено модельний шар, який інтерпретує незбалансовані результати моделі
та забезпечує необхідні результати для запобігання аваріям, що підвищило точність на 20 %. Розроблено мобі
льний додаток із використанням наведеної вище моделі для розпізнавання небезпеки дорожнього руху для незря
чих пішоходів. Представлені результати підтверджують ефективність описаного підходу. Крім того, описану
модель і підхід можна вдосконалити в подальших дослідженнях.
зору. У свою чергу, порушення зору обмежують здатність людей виконувати щоденні функції і впливають на
якість їхнього життя та здатність взаємодіяти з навколишнім світом. У статті представлено розробку мобі
льного додатка для незрячих пішоходів для запобігання небезпекам на дорозі. Описано короткий огляд подібних
програм, таких як: Alexa, Via Opta Nav та Object Detector. Кожна з описаних програм має недоліки, наприклад,
обмежена область використання, відсутність виявлення об'єктів у реальному часі, застосування сторонніх або
фізичних пристроїв. Як результат, основним завданням цієї роботи є дослідження сучасних алгоритмів класифі
кації небезпек, підвищення точності алгоритму та розроблення програмного забезпечення, яке зможе ідентифі
кувати небезпеки в режимі реального часу, що не потребує фізичних пристроїв і експлуатується за допомогою
максимально простого інтерфейсу. Для розв'язання описаної вище проблеми використано моделі з відкритим
кодом MobiNetV2 та InceptionV3 для визначення об’єктів. Подане рішення складається з декількох етапів, таких
як: введення зображення з подальшим попереднім обробленням, оптимізація та оброблення результатів. Для
введення зображень хости отримують дані з файлової системи або локальної пам'яті, виконують будь-яке попе
реднє оброблення, а потім передають попередньо оброблені дані в ядра TPU. Попереднє оброблення викликає
парсер, який у свою чергу, викликає функцію синтаксичного аналізатора, де зображення попередньо обробляють
ся. Для оптимізації використовують стохастичну оптимізацію градієнтного спуску й оптимізатор імпульсу. У
результаті дослідження отримав подальший розвиток метод класифікації зображень для ідентифікації небез
пеки в режимі реального часу. Розроблено модельний шар, який інтерпретує незбалансовані результати моделі
та забезпечує необхідні результати для запобігання аваріям, що підвищило точність на 20 %. Розроблено мобі
льний додаток із використанням наведеної вище моделі для розпізнавання небезпеки дорожнього руху для незря
чих пішоходів. Представлені результати підтверджують ефективність описаного підходу. Крім того, описану
модель і підхід можна вдосконалити в подальших дослідженнях.
Тип зібрання :
Publication
Файл(и) :
Вантажиться...
Формат
Adobe PDF
Розмір :
1.03 MB
Контрольна сума:
(MD5):dcb0ceb119b8e72bc18cbf334889f146
Ця робота розповсюджується на умовах ліцензії Creative Commons CC BY
10.17721/ISTS.2021.1.61-67