КНИТУ-КАИ представили разработки по компьютерному зрению на KDW

Сотрудники кафедры АСОИУ Анатолий Сытник и Никита Андреянов обсуждали с посетителями экспозиции компьютерное зрение и особенности его приложений.

Председатель ГК ICL Виктор Дьячков и Генеральный директор АО «АйСиЭл – КПО ВС» Евгений Степанов интересовались уровнем новизны и степенью завершенности проектов.   

Студенты ИКТЗИ задавали вопросы по разметке изображений и обучению сети, делились трудностями, с которыми они столкнулись при конкретной реализации своих идей.

Интерес к теме экспозиции  проявили специалисты РИВЦ при Минсельхозе РТ с целью возможного приложения представленных разработок в совместных работах.   

Секретарь Государственного Совета РТ Лилия Маврина   и и.о. ректора КНИТУ-КАИ Тимур Алибаев  пожелали максимального использования возможностей форума в поиске заказчиков и успешной реализации проектов.

Экспозиция «Компьютерное зрение в интеллектуальных транспортных системах» подготовлена по результатам научной работы, проводимой сотрудниками кафедры АСОИУ под руководством Михаила Шлеймовича .  Алгоритмы обработки и анализа изображений, детектирования, сопровождения и подсчета движущихся объектов с помощью глубоких нейронных сетей реализованы преподавателями Никитой Андреяновым и Татьяной Евдокимовой.

Аспирант Дарья Маряшина под руководством профессора Владимира Девяткова разработала имитационную модель движения транспорта на перекрестках Казани, для построения которой  используются данные, получаемые в результате анализа видеоизображений.

Для справки:

Методы  компьютерного зрения использутся для управления ИТС, в том числе для проектирования дорожно-транспортной системы, управления беспилотным автомобилем, системы поддержки водителя сельхозтехники.

Функции:

1.Обнаружение, распознавание, классификация, подсчет движущихся объектов.

2. Определение направления движения.

3. Моделирование движения транспорта на перекрестках, расчет интенсивности загрузки.

4. Определение объектов дорожной обстановки.

Возможности:

1. Оперативное и точное обнаружение и распознавание заданных объектов с использованием методов и средств глубокого обучения нейронной сети для моделирования и управления ИТС.

2. Подготовка данных для обучения нейронной сети.

3. Разметка изображений дорожной обстановки.

4. Семантическая сегментация и геометрические преобразования изображений дорожной обстановки.

5. Принятие решений по оптимизации улично-дорожной сети на основе результатов моделирования.