tailieunhanh - Mô hình học sâu nâng cao ứng dụng cho xe tự hành phát hiện đối tượng và nhận dạng hành động điều khiển của cảnh sát giao thông

Bài viết đề xuất mô hình học sâu nâng cao (DNN) thông qua mạng lưới Attention dựa trên phân tích khung xương đối tượng trong miền không gian để làm tăng hiệu quả cho bài toán phát hiện chủ thể và nhận dạng hành động. | Hội nghị Quốc gia lần thứ 24 về Điện tử Truyền thông và Công nghệ Thông tin REV-ECIT2021 Mô Hình Học Sâu Nâng Cao Ứng Dụng Cho Xe Tự Hành Phát Hiện Đối Tượng và Nhận Dạng Hành Động Điều Khiển Của Cảnh Sát Giao Thông Hà Mạnh Hùng1 Phạm Thế Anh2 Nguyễn Văn Tới1 Nông Vũ Hiếu1 1 Khoa Điện Điện Tử Đại học PHENIKAA Yên nghĩa Hà Đông Hà Nội 12116 Việt Nam 2 Prover Technology AB Krukmakargatan 2111851 Stockholm Sweden Email 20010704@ Tóm tắt Trong bài báo này chúng tôi đề xuất mô hình đi bộ qua đường . thì cảnh sát giao thông có thể điều học sâu nâng cao DNN thông qua mạng lưới Attention khiển thông qua tín hiệu cử chỉ để giảm ùn tắc giao dựa trên phân tích khung xương đối tượng trong miền thông hướng dẫn người đi bộ qua đường an toàn. Để không gian để làm tăng hiệu quả cho bài toán phát hiện hiểu tín hiệu điều khiển của cảnh sát giao thông thì cần chủ thể và nhận dạng hành động. DNN này bao gồm mạng phải hiểu rõ về cử chỉ tư thế hoặc hành động của người nơ-ron tích chập CNN lớp liên kết không gian Attention điều khiển. Do đó nhiều kỹ thuật liên quan đến xác định SJA mạng nơ-ron Attention 2 chiều hồi quy A_BGRU đối tượng và phân loại hành động đã được đề xuất. Ví hai mạng phân loại FFN . Lớp SJA liên kết làm nổi bật dụ nhận dạng biển báo giao thông có thể được thực hiện các đặc trưng khớp nối tư thế của đối tượng. A_BGRU tạo bằng các phương pháp tiếp cận dựa trên màu sắc dựa ra trọng số Attention theo miền thời gian để làm nổi bật đặc trưng liên kết thời gian. Trong mô hình DNN của trên hình dạng các thuật toán học máy phát hiện ánh chúng tôi một FFN lấy đầu ra của A_ BGRU để phân loại sáng và đo khoảng cách LiDAR 5 phát hiện cảnh sát hành động của chủ thể trong khi FFN khác xử lý đầu ra giao thông bởi mạng YOLOv3 6 nhận dạng cử chỉ của lớp SJA cùng với majority votting để xác định đối hành động của cảnh sát giao thông được phân tích bằng tượng chủ thể. Trong