ПРИКЛАД ВИКОРИСТАННЯ ЗГОРТКОВОЇ НЕЙРОННОЇ МЕРЕЖІ ДЛЯ РОЗПІЗНАВАННЯ НОМІНАЛУ БАНКНОТ
DOI:
https://doi.org/10.53920/ITS-2022-1-3Ключові слова:
обробка зображень, згорточні нейронні мережі, YOLOv5, класифікація банкнот, розпізнавання банкнотАнотація
Розповсюдженим засобом вирішення задач класифікації, розпізнавання, сегментації зображень є використання згорткових нейронних мереж (Convolutional Neural Networks, CNN). В даній роботі проведено огляд популярних архітектур CNN, що використовуються для розпізнавання об'єктів, до яких належать: Region Based Convolutional Neural Networks (R-CNN), Fast R-CNN, Faster R-CNN, You Only Look Once (YOLO), Single Shot Detector (SSD), Feature Pyramid Networks (FPN) та RetinaNet. Показано, що оптимальною за швидкодією та точністю розпізнавання є згорткова нейронна мережа YOLO.
Ефективність використання згорткових нейронних мереж для розпізнавання об’єктів на зображеннях показано на прикладі розробки прототипу системи розпізнавання номіналів банкнот українських гривень та знаходження їх суми. Продемонстовано роботу розробленого прототипу такої системи, для чого було використано YOLOv5 Small архітектуру, яку було дотреновано на зображеннях українських гривень. Для підсумовування кількості грошей на фото була створена окрема програма на python. Вказано характеристики програмних та апаратних засобів, що використовувались. Описано структуру датасетів, що використовувались для тренування та тестування мережі, наведено показники якості розробленого прототипу та проведено порівняння із існуючими системами розпізнавання банкнот.
