https://libeldoc.bsuir.by/handle/123456789/63505| Title: | Разработка алгоритма детекции светофоров и распознавание их сигналов для автономного транспорта |
| Other Titles: | Development of a traffic light detection and signal classification algorithm for an autonomous vehicle perception system |
| Authors: | Хаджинова, К. А. Савчиц, А. Г. Земляник, Р. В. Хаджинов, Д. А. |
| Keywords: | материалы конференций;Big Data;информационные системы;автономные автомобили;компьютерное зрение;машинное обучение;детекция светофоров |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Разработка алгоритма детекции светофоров и распознавание их сигналов для автономного транспорта = Development of a traffic light detection and signal classification algorithm for an autonomous vehicle perception system / К. А. Хаджинова, А. Г. Савчиц, Р. В. Земляник, Д. А. Хаджинов // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XII Международной научно-практической конференции, Республика Беларусь, Минск, 23 апреля 2026 года : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2026. – С. 335–342. |
| Abstract: | В статье рассматривается разработка легковесной модели детекции и классификации сигналов светофора для интеграции в систему автономного вождения (ADAS). Представлено полное описание последовательности обработки видеопотока, методов компенсации дисбаланса классов и архитектуры системы на основе YOLOv8. Проведена оценка качества на агрегированном датасете, продемонстрировавшая высокую точность работы алгоритма. Результаты могут быть использованы для оптимизации ИТ-решений в автомобильной промышленности. |
| Alternative abstract: | The article discusses the development of a lightweight model for detecting and classifying traffic light signals for integration into an autonomous driving system (ADAS). The full video stream processing pipeline, methods for combating class imbalance, and the YOLOv8-based architecture are described. The quality of the algorithm is evaluated on an aggregated dataset, demonstrating high detection accuracy. The results can be used for optimizing IT-solutions in the automotive industry. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63505 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2026) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Hadzhinova_Razrabotka.pdf | 4.2 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.