Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Detection of Traffic Violations of Road Users Based on Convolutional Neural Networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F18%3APU130798" target="_blank" >RIV/00216305:26230/18:PU130798 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/NEUREL.2018.8586996" target="_blank" >http://dx.doi.org/10.1109/NEUREL.2018.8586996</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/NEUREL.2018.8586996" target="_blank" >10.1109/NEUREL.2018.8586996</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Detection of Traffic Violations of Road Users Based on Convolutional Neural Networks

  • Popis výsledku v původním jazyce

    In this paper, we explore the implementation of vehicle and pedestrian detection based on neural networks in a real-world application. We suggest changes to the previously published method with respect to capabilities of low-powered devices, such as Nvidia Jetson platform. Our experimental evaluation shows that detectors are capable of running 10.7 FPS on Jetson TX2 and can be used in real-world applications.  

  • Název v anglickém jazyce

    Detection of Traffic Violations of Road Users Based on Convolutional Neural Networks

  • Popis výsledku anglicky

    In this paper, we explore the implementation of vehicle and pedestrian detection based on neural networks in a real-world application. We suggest changes to the previously published method with respect to capabilities of low-powered devices, such as Nvidia Jetson platform. Our experimental evaluation shows that detectors are capable of running 10.7 FPS on Jetson TX2 and can be used in real-world applications.  

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    R - Projekt Ramcoveho programu EK

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2018 14th Symposium on Neural Networks and Applications (NEUREL)

  • ISBN

    978-1-5386-6974-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    1-6

  • Název nakladatele

    IEEE Signal Processing Society

  • Místo vydání

    Belgrade

  • Místo konání akce

    SAVA Center Milentija Popovića 9 11070, Belgrade

  • Datum konání akce

    20. 11. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000457745100017