Классификация автомобильных моделей с помощью сверточных нейронных сетей

Статья в сборнике трудов конференции

Рассматривается применение сверточных нейронных сетей для классификации моделей автомобилей. В качестве основы использован набор данных Stanford Cars, содержащий 16 185 изображений 196 различных классов автомобилей. Модель VGG16 была выбрана для обучения с использованием переноса обучения. Проведена предварительная обработка данных. Обучение модели проводилось на протяжении 100 эпох с разделением данных на обучающую (70%), валидационную (15%) и тестовую (15%) выборки. В результате достигнута точность 92% на обучающей выборке и 85% на тестовой, что свидетельствует о хорошей обобщающей способности модели. Для оценки ее производительности применялись метрики точности, топ-5 точности и кроссэнтропии. Результаты, полученные в ходе исследования, подтверждают эффективность использования сверточных нейронных сетей для задачи классификации автомобильных моделей и могут быть применены в различных областях, таких как системы безопасности, мониторинг транспорта и аналитика в автомобильной индустрии.

Библиографическая запись: Ревера, В. С. Классификация автомобильных моделей с помощью сверточных нейронных сетей / В. С. Ревера, Е. А. Шельмина // Электронные средства и системы управления. Материалы докладов Международной научно-практической конференции. – 2024. – № 1-2. – С. 241-244.

Конференция:

• Электронные средства и системы управления
• Россия, Томская область, Томск, 20-22 ноября 2024,
• Международная

Издательство:

В-Спектр (ИП Бочкарева В.М.)

Россия, Томская область, Томск