Pavel Sukhoi State Technical University of Gomel
Electronic Library Pavel Sukhoi State Technical University of Gomel (GSTU)Not a member yet
36569 research outputs found
Sort by
Управление запасами и сбытом готовой продукции на предприятии, направления его совершенствования (на примере ОАО «Милкавита»)
Get PDFЧат-бот для пациента учреждения «Гомельская областная детская клиническая больница» с интеллектуальными средствами подбора врача
Get PDFРазработка измерительных преобразователей для электролитических чувствительных элементов уровня
No full textДиссертация на соискание академической степени магистра по специальности 7-06-0713-02 «Электронные системы и технологии». Научный руководитель : к.т.н., доцент Карпов В.А
China’s digital economy empowers rural revitalization: current situation, challenges and future paths
Get PDFIn the quest for sustainability, agriculture faces challenges. The integration of the digital
economy with rural revitalization is of great significance as it plays a pivotal role for the sustainable development of the country. This study aims to examine current situation, challenges and future paths of rural digital economy development
Recognition of vehicle light signals for smart traffic lights
No full textСтатья исследует применение методов машинного обучения для распознавания сигналов световых приборов автомобилей с целью использования данных в умных светофорах. Для решения задачи распознавания машин на видео была использована библиотека Keras, и была применена архитектура нейронной сети RetinaNet [1]. Для распознавания состояний фар транспорта была использована архитектура YOLOv8. Процесс сбора данных, аннотации и обучения модели был проведён с использованием платформы Roboflow. В результате работы были получены веса обученной модели, которые позволяют распознавать состояние передних и задних фар различных видов транспорта в различных погодных условиях. Предложена адаптация нейросетевой модели на основе YOLOv8 для решения задачи распознавания сигналов световых приборов светофоров, которая может быть использована как для статического распознавания на фотографиях, так и в режиме реального времени или видео.This paper explores the application of machine learning methods for recognizing automobile light signals
to enhance smart traffic light systems. For vehicle detection in video footage, the Keras library was employed along
with the RetinaNet neural network architecture [1]. The YOLOv8 architecture was used for identifying the status
of vehicle headlights and taillights. Data collection, annotation, and model training were conducted using
the Roboflow platform. The research resulted in trained model weights capable of recognizing the state of front
and rear lights on various vehicle types under different weather conditions. The paper proposes an adaptation
of the YOLOv8-based neural network model for recognizing traffic light signals, which can be utilized for both
static recognition in photographs and in real-time or video applications