Classification of railway level crossing barrier and light signalling system using YOLOv3

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APU136959" target="_blank" >RIV/00216305:26220/20:PU136959 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/9163535" target="_blank" >https://ieeexplore.ieee.org/document/9163535</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/TSP49548.2020.9163535" target="_blank" >10.1109/TSP49548.2020.9163535</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Classification of railway level crossing barrier and light signalling system using YOLOv3

Popis výsledku v původním jazyce

Nowadays, the world is experiencing an increasing boom in deep learning. This is more and more used in many areas such as medicine, robotics, industry, security systems, etc. This article deals with the detection and classification of railway barriers at level crossings, railway warnings, and light signaling systems. The evaluation system uses cameras, which are suitably positioned to capture the entire scene at a given railway level crossing. The detection itself is done using image processing techniques and deep neural networks. The proposed system uses the GPU acceleration to achieve real-time capability.

Název v anglickém jazyce

Classification of railway level crossing barrier and light signalling system using YOLOv3

Popis výsledku anglicky

Nowadays, the world is experiencing an increasing boom in deep learning. This is more and more used in many areas such as medicine, robotics, industry, security systems, etc. This article deals with the detection and classification of railway barriers at level crossings, railway warnings, and light signaling systems. The evaluation system uses cameras, which are suitably positioned to capture the entire scene at a given railway level crossing. The detection itself is done using image processing techniques and deep neural networks. The proposed system uses the GPU acceleration to achieve real-time capability.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/FV40372" target="_blank" >FV40372: Autonomní systém pro detekci rizikových situací v dopravě založený na analýze obrazových sekvencí</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 2020 43rd International Conference on Telecommunications and Signal Processing (TSP)

ISBN

978-1-7281-6376-5

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

528-532

Název nakladatele

IEEE

Místo vydání

Milan, Italy

Místo konání akce

Milan, Italy

Datum konání akce

7. 7. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—