Доработка модуля распознавания государственных регистрационных знаков и определения типа транспорта. Доработка модуля контроля за перевозчиками. Оптимизация и доработка существующих алгоритмов модуля контроля за перевозчиками

Цель работы - доработка существующего прототипа системы контроля за работой общественного пассажирского транспорта, основанной на применении технологий компьютерного зрения. В ходе выполнения промежуточного этапа НИОКР: 1) Собраны три обучающие выборки, содержащие 17105, 44692 и 29778 изображений транспортных средств с информацией о государственных номерных знаках и типах; 2) Обучены и интегрированы в единый алгоритм распознавания государственных регистрационных знаков нейросетевые модели сегментации номерных знаков и распознавания символов: Mask R-CNN (mAP50:95 = 0.8) и CTPN с LSTM слоями (accuracy = 98%) соответственно. Общая точность (accuracy) распознавания номерных знаков на первой обучающей выборке составила 97% при среднем времени на обработку одного изображения в 0.18 секунд, что превосходит показатели решения с открытым исходным кодом (NomeroffNet); 3) Обучена и интегрирована в единый алгоритм распознавания типов транспортных средств нейросетевая модель модель Scaled YOLOv4 (mAP50 = 0.85); 4) Добавлена метрика определения времени остановки транспортного средства на остановочном пункте в модуле контроля за общественным транспортом; 5) Исходный код клиентской части модуля контроля за перевозчиками подготовлен к интегрированию алгоритма распознавания регистрационных знаков и типов транспортных средств. В результате промежуточного этапа НИОКР были выполнены все поставленные задачи.