Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/59710
Title: Оптимизация алгоритмов глубокого обучения для повышения точности распознавания белорусских дорожных знаков в условиях дисбаланса данных
Other Titles: Development of a system for recognizing belarusian road signs based on yolo model
Authors: Шилин, Л. Ю.
Сморщок, К. Д.
Хмыз, Д. А.
Keywords: материалы конференций;компьютерное зрение;дорожные знаки;глубокое обучение
Issue Date: 2025
Publisher: БГУИР
Citation: Шилин, Л. Ю. Оптимизация алгоритмов глубокого обучения для повышения точности распознавания белорусских дорожных знаков в условиях дисбаланса данных = Development of a system for recognizing belarusian road signs based on yolo model / Л. Ю. Шилин, К. Д. Сморщок, Д. А. Хмыз // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XI Международной научно-практической конференции, Республика Беларусь, Минск, 23–24 апреля 2025 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2025. – С. 464–466.
Abstract: Разработана система автоматического распознавания белорусских дорожных знаков с использованием модели YOLO (You Only Look Once). Проведен анализ данных, включая сбор, предобработку и балансировку классов. Исследованы методы оценки качества модели, такие как кроссвалидация, метрики точности и полноты, сценарные тесты. Показано, что применение андерсемплинга и комбинации YOLO с методами аугментации позволяет достичь средней точности (mAP) 0.570. Результаты визуализированы с помощью PR-кривых и матриц разброса.
Alternative abstract: The paper presents the development of an automatic system for recognizing Belarusian road signs using the YOLO model. Data analysis, including collection, preprocessing, and class balancing, was conducted. Evaluation methods such as cross-validation, precision-recall metrics, and scenario tests were applied. The use of undersampling and YOLO-augmentation combination achieved a mean Average Precision (mAP) of 0.570. Results are visualized via PR-curves and scatter matrices.
URI: https://libeldoc.bsuir.by/handle/123456789/59710
Appears in Collections:BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2025)

Files in This Item:
File Description SizeFormat 
SHilin_Optimizaciya.pdf413.9 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.