Огляд технологій комп’ютерного зору на основі глибоких нейронних мереж щодо використанняна залізничному транспорті

UKR: У даній роботі виконано огляд технологій комп’ютерного зору на основі глибоких нейронних мереж щодо використання на залізничному транспорті. Під час воєнної агресії потребуються модернізація залізничної інфраструктури України, що пов’язана з використанням систем комп’ютерного зору на основі глибоких нейронних мереж, для забезпечення точності та без-пеки. Для вирішення завдань комп’ютерного зору на залізничному транспорті (класифікація та ідентифікація об’єктів, а також стеження за ними) рекомендовано використання глибоких згорткових нейроннх мереж (Deep Convolutional Neural Networks, DCNN). Проведений огляд технологій комп’ютерного зору з використанням глибоких згорткових нейронних мереж надав можливість визначити їх проблеми, відобразити загальну архітектуру з призначенням шарів (згортковий шар; шар об’єднання; активаційний шар; повнозв’язаний шар; шар нормалізації; шар відсіву; щільний шар), а також ознайомитися з результатами відповідного аналізу українських та закордонних науковців відповідно до їх класифікації: на основі просторового використання; на основі глибини; з безліччю підключень; на основі використання карти ознак, стиснення і збудження; на основі використання бустінга каналів; з використанням механізму уваги. На сучасному етапі в задачах комп’ютерного зору для реалізації DCNN найчастіше використовується програмне середовище TensorFlow. Результати проведеного огляду технологій комп’ютерного зору на основі використання глибоких згорткових нейронних мереж можуть бути використані як методологічна основа для модернізації залізничної інфраструктури України в умовах воєнного стану.

ENG: This paper reviews computer vision technologies based on deep neural networks for use in railway transport. During military aggression, modernization of the railway infrastructure of Ukraine is required, which is associated with the use of computer vision systems based on deep neural networks, to ensure accuracy and safety. To solve computer vision tasks in railway transport (classification and identification of objects, as well as tracking them), the use of DCNN (Deep Convolutional Neural Networks) is recommended. The conducted review of computer vision technologies using deep convolutional neural networks made it possible to identify their problems, display the general architecture with the purpose of the layers (convolutional layer; pooling layer; activation layer; fully connected layer; normalization layer; dropout layer; dense layer), as well as to familiarize yourself with the results of the corresponding analysis of Ukrainian and foreign scientists according to their classification: based on spatial use; based on depth; with many connections; based on the use of a feature map, compression and excitation; based on the use of channel boosting; using the attention mechanism. At the present stage, the TensorFlow software environment is most often used in computer vision tasks to implement DCNN. The results of the review of computer vision technologies based on the use of DCNN can be used as a methodological basis for the modernization of the railway infrastructure of Ukraine under martial law.