HyperVID

Система идентификации типов транспортных средств на основе глубокого обучения для мобильных устройств, поддерживает более 4000 распространённых марок и суббрендов автомобилей. Точность распознавания при въезде на парковку составляет примерно 85% для TOP1 и более 99% для TOP5. В новой версии улучшена точность распознавания для транспортных ворот, а также расширен список типов транспортных средств. Пользователи могут модифицировать систему на базе нашего фреймворка. Мы продолжим улучшать модель, повышая точность и скорость работы, а также расширяя библиотеку типов.

Идентификация типов транспортных средств, поддерживается 1776 моделей. Часть данных взята с веб-сайта по продаже подержанных автомобилей.

Таблица моделей

Обновление

• Представлена новая версия модели, которая лучше адаптирована к транспортным воротам и поддерживает грузовые, легковые автомобили и автобусы.
• Открыт набор данных для обучения в естественных условиях, который содержит 1776 классифицированных типов транспортных средств и около 300 000 изображений.
• Ссылка: https://pan.baidu.com/s/1ZtXvjwLzIMQodEp3SAbN8g, код извлечения: byhy (если вы используете этот набор данных или наш проект, пожалуйста, укажите это в своём проекте, спасибо).

Характеристики

• Высокая скорость благодаря использованию mobilenet, что делает модель более подходящей для мобильных платформ.
• Разнообразие поддерживаемых типов, включая более 4000 популярных моделей.
• Высокая точность, с точностью TOP1 более 85%.
• Модель хорошо подходит для транспортных ворот и может быть интегрирована с системами распознавания номерных знаков.

Тестирование распознавания

• Онлайн-демонстрация: http://www.zeusee.com/#/vehicle-recognition.
• Открытый проект Android APP: http://demo.zeusee.com/HyperVID.
• Открытый проект Windows Test Program: (ссылка: https://pan.baidu.com/s/1h7DNck9pFQo_rmg04IbXjw, код извлечения: 7h45).

Демонстрационное изображение на Android

Связанные наборы данных

• BIT-Vehicle Dataset: http://iitlab.bit.edu.cn/mcislab/vehicledb/.
• MIT Cars Dataset: https://ai.stanford.edu/~jkrause/cars/car_dataset.html.
• The CompCars dataset: http://mmlab.ie.cuhk.edu.hk/datasets/comp_cars/index.html.

Добро пожаловать в нашу группу общения QQ:737677707, примечание: HyperDL.