Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности


https://doi.org/10.21122/2309-4923-2020-2-46-53

Полный текст:




Аннотация

В статье предложена структура комплексной системы безопасности площадных объектов. Рассмотрены основные подсистемы, входящие в её состав. Определенны задачи подсистеме разведки по обнаружению и распознаванию наземных объектов наблюдения в сложной фоноцелевой обстановке.

Задача обнаружения объекта наблюдения решалась на основе предложенного ранее алгоритма. Недостатком данного алгоритма являлось наличие ложных срабатываний от мерцающей сложной фоноцелевой обстановки. Для устранения данного недостатка предложено применить классификатор на основе сверточной нейронной сети, который распределяет выделенные объекты по конкретным классам.

Проведен анализ и экспериментальные исследования по оценки точности распознавания наземных объектов такими сверточными архитектурами как VGG-16, VGG-19, Inception v3, ResNet-50, MobileNet. Обучение и проверка качества распознавания данных архитектур проводилось на экспериментально созданном наборе данных с изображением человека на контрастном фоне и на различных дальностях. Полученные результаты свидетельствуют о возможности применения сверточной нейронной сети в системе охраны и её способность работать в реальном масштабе времени.


Об авторах

В. С. Демешко
Военная академия Республики Беларусь
Беларусь
Демешко Виктор Сергеевич, магистр технических наук


А. И. Фёдоров
Военная академия Республики Беларусь
Беларусь
Фёдоров Александр Иванович, кандидат технических наук, доцент


Список литературы

1. Силы специальных и психологических операций вооруженных сил иностранных государств. Учебное издание – Минск: ВА РБ, 2013.

2. Кузяк, А. Н. Анализ применения сил специальных операций США и НАТО в современных условиях / А. Н. Кузяк, В. И. Гринюк // сбор.науч. стат.Воен. акад. Респ. Беларусь. – 2018. –№ 34 – С. 93–98.

3. Учения: «террористы» захватили военный аэродром в Бобруйске. [Электронный ресурс]. – Режим доступа: https://bobruisk.ru/news/2013/09/24/35161 – Дата доступа: 10.04.2020.

4. Демешко В. С., Фёдоров А. И. Комплексная система безопасности площадных объектов // Актуальные проблемы современной науки: сборник статей XIII Межд. науч. конф. г. Актобе: 2019. – с. 248–254.

5. Гонсалес Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. – М.: Техносфера, 2005.

6. Николенко С. Глубокое обучение. /С.Николенко, А. Кудрин, Е. Архангельская – СПб.: Питер, 2018. – 480 с.

7. C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, A. Rabinovich. Going Deeper with Convolutions. Proceedings of IEEE Conference Computer Vision and Pattern Recognition (CVPR 2015). June 7–12, 2015, Pp. 1–12.

8. Хайкин С. Нейронные сети: полный курс, Neural Networks: A Comprehensive Foundation. 2-е изд. – М.: Вильямс, 2006. – 1104 с.


Дополнительные файлы

Для цитирования: Демешко В.С., Фёдоров А.И. Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности. «Системный анализ и прикладная информатика». 2020;(2):46-53. https://doi.org/10.21122/2309-4923-2020-2-46-53

For citation: Demeshko V.S., Фёдоров A.I. Application of convolutional neural networks in the intelligence security system subsystem. «System analysis and applied information science». 2020;(2):46-53. (In Russ.) https://doi.org/10.21122/2309-4923-2020-2-46-53

Просмотров: 2802

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2309-4923 (Print)
ISSN 2414-0481 (Online)