Главная страница » Публикации » 2020 » #3 (93) » Application of deep neural networks for identification of alphanumeric information from baggage tags at airport

Application of deep neural networks for identification of alphanumeric information from baggage tags at airport

Digital Economy Management
Application of deep neural networks for identification of alphanumeric information from baggage tags at airport

Авторы

Ивлиев Евгений Андреевич
магистрант кафедры «Базовая кафедра «АМиУ»
Россия, Донской государственный технический университет
123ivliev123@mail.ru
Обухов Павел Серафимович
кандидат технических наук, доцент, декан факультета «Автоматизация мехатроника и управление»
Россия, Донской государственный технический университет
pobuhov@spark-mail.ru

Аннотация

The article is devoted to the development and analysis of methods of identifying dynamic objects. A neural network with the architecture of SSD InceptionV2 has been developed to solve the problem of detecting luggage tags and barcodes. Several approaches are considered to solve the problem of identifying digital-letter information: Tesseract, SSD InceptionV2, OpenCV and a fully connected neural network. The operability of the methods on real images has been tested.

Ключевые слова

computer vision, neural network, barcode, IATA airport code, TensorFlow, OpenCV, Python.

Финансирование

The article was prepared with the support and within the framework of the DR-2020 event "International Competition of Scientific Works and Projects of Young Researchers" Digital Region - 2020 "" (Science and Education on-line)

Рекомендуемая ссылка

Ивлиев Евгений Андреевич, Обухов Павел Серафимович. Application of deep neural networks for identification of alphanumeric information from baggage tags at airport // Современные технологии управления. ISSN 2226-9339. — #3 (93). Номер статьи: 9305. Дата публикации: 02.10.2020. Режим доступа: https://sovman.ru/en/article/9305/

Authors

Ivliyev Yevgeniy Andreyevich
Master's student of the Department "Basic Department" AMiU "
Russia, Don State Technical University
123ivliev123@mail.ru
Obukhov Pavel Serafimovich
Candidate of Technical Sciences, Associate Professor, Dean of the Faculty "Automation of Mechatronics and Control"
Russia, Don State Technical University
pobuhov@spark-mail.ru

Abstract

Keywords

Suggested citation

Ivliyev Yevgeniy Andreyevich, Obukhov Pavel Serafimovich. // Modern Management Technology. ISSN 2226-9339. — #3 (93). Art. #  9305. Date issued: 02.10.2020. Available at: https://sovman.ru/en/article/9305/

Only Russian

Print Friendly, PDF & Email
Оправить мне на email статью

Читайте также

Статья “Управление бизнес-процессами организации в контексте цифровой трансформации”
Статья “Механизм управления развитием компании в цифровой среде на основе измерения синергии эффективности цифровых платформ”
Статья “Управление рисками на основе цифровых технологий”
Статья “Платформа «PRO.Культура.РФ» как инструмент цифровизации процессов управления сферы культуры”
Статья “Перспективы использования нейронных сетей для решения задачи оценки эффективности управления регионами в условиях цифровизации общества”

Библиографический список

  1. Obukhov P.S., Ivliyev Ye.A., Ivliyev V.A. Identification of alphanumeric information from a baggage tag based on a neural network [Obukhov, P.S. Identifikatsiya tsifrobukvennoy informatsii s bagazhnoy birki na osnove neyronnoy seti/] // Dynamics of technical systems (Rostov-on-Don, September 11-13, 2019). – Rostov-on-Don, 2019, pp. 65-68.
  2. Tensorflow documentation [Электронный ресурс]. Режим доступа – https://www.tensorflow.org/guide/keras?hl=ru
  3. Ren, S. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks/ S. Ren, K. He, R. Girshick, J. Sun // Advances in Neural Information Processing Systems. Vol. 39. 2015, P.1137–1149.
  4. Szegedy, C. Rethinking the inception architecture for computer vision/ C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, Z. Wojna// IEEE Conference on Computer Vision and Pattern Recognition. Vol.1. 2016, P.2818–2826.
  5. Liu, W. SSD: Single shot multibox detector/ D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C.Y. Fu, A.C. Berg // European Conference on Computer Vision 2016. Vol. 1. 2016, P.21–37.
  6. Howard A.G. Mobilenets: Efficient convolutional neural networks for mobile vision applications./ A.G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto, H. Adam // arXiv 2017, arXiv:1704.04861.
  7. Huang J. Speed/accuracy trade-offs for modern convolutional object detectors / J. Huang, V. Rathod, C. Sun, M. Zhu, A. Korattikara, A. Fathi, I. Fischer, Z. Wojna, Y. Song, S. Guadarrama // 30th IEEE Conference on Computer Vision and Pattern Recognition. arXiv 2017, arXiv:1611.10012v3.
  8. Tesseract wiki [Электронный ресурс]. Режим доступа – https://github.com/tesseract-ocr/tesseract/wiki

Leave a Reply

Your email address will not be published. Required fields are marked *

Shopping Cart
Scroll to Top