Článek ve sborníku konference

ŠPAŇHEL Jakub, SOCHOR Jakub a MAKAROV Aleksej. Vehicle Fine-grained Recognition Based on Convolutional Neural Networks for Real-world Applications. In: 2018 14th Symposium on Neural Networks and Applications (NEUREL). Belgrade: IEEE Signal Processing Society, 2018, s. 1-5. ISBN 978-1-5386-6974-7.
Jazyk publikace:angličtina
Název publikace:Vehicle Fine-grained Recognition Based on Convolutional Neural Networks for Real-world Applications
Název (cs):Rozpoznání modelů vozidel založené na neuronových sítí pro aplikaci v reálných podmínkách
Strany:1-5
Sborník:2018 14th Symposium on Neural Networks and Applications (NEUREL)
Konference:2018 14th Symposium on Neural Networks and Applications (NEUREL)
Místo vydání:Belgrade, RS
Rok:2018
ISBN:978-1-5386-6974-7
DOI:10.1109/NEUREL.2018.8587012
Vydavatel:IEEE Signal Processing Society
Klíčová slova
convolutional neural networks, similar vehicle type search, vehicle fine-grained recognition, vehicle reidentification  
Anotace
V této publikaci jsou zkoumány možnosti implementace rozpoznávání modelů a barev vozidel pro aplikaci v reálných podmínkách. Navrhujeme zde změny předchozích publikovaných metod s ohledem na možnosti úsporných výpočetních zařízení jako Nvidia Jetson. Experimentální vyhodnocení ukazuje že úspěšnost klasifikace sítě MobileNet je nepatrně menší v porovnání s ResNet-50 (pokles z 89,55% na 86,13%) zatímco inference je 2,4x rychlejší na platformě Nvidia Jetson.
BibTeX:
@INPROCEEDINGS{
   author = {Jakub {\v{S}}pa{\v{n}}hel and Jakub Sochor and
	Aleksej Makarov},
   title = {Vehicle Fine-grained Recognition Based on
	Convolutional Neural Networks for Real-world
	Applications},
   pages = {1--5},
   booktitle = {2018 14th Symposium on Neural Networks and Applications
	(NEUREL)},
   year = 2018,
   location = {Belgrade, RS},
   publisher = {IEEE Signal Processing Society},
   ISBN = {978-1-5386-6974-7},
   doi = {10.1109/NEUREL.2018.8587012},
   language = {english},
   url = {http://www.fit.vutbr.cz/research/view_pub.php.cs?id=11851}
}

Vaše IPv4 adresa: 3.226.251.81