Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Devi, Mandalapu Sarada" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Canny edge detection based real-time intelligent parking management system
    Autorzy:
    Trivedi, Janak
    Devi, Mandalapu Sarada
    Dhara, Dave
    Powiązania:
    https://bibliotekanauki.pl/articles/197804.pdf
    Data publikacji:
    2020
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    Raspberry Pi
    parking
    edge detection
    Python
    real-time
    sensors
    parkowanie
    wykrywanie krawędzi
    Pyton
    czas rzeczywisty
    czujniki
    Opis:
    Real-time traffic monitoring and parking are very important aspects for a better social and economic system. Python-based Intelligent Parking Management System (IPMS) module using a USB camera and a canny edge detection method was developed. The current situation of real-time parking slot was simultaneously checked, both online and via a mobile application, with a message of Parking “Available” or “Not available” for 10 parking slots. In addition, at the time entering in parking module, gate open and at the time of exit parking module, the gate closes automatically using servomotor and sensors. Results are displayed in figures with the proposed method flow chart.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2020, 106; 197-208
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Vehicle classification using the convolution neural network approach
    Autorzy:
    Trivedi, Janak
    Devi, Mandalapu Sarada
    Dhara, Dave
    Powiązania:
    https://bibliotekanauki.pl/articles/2091225.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    convolution neural network
    vehicle classification
    deep learning
    intelligent transportation system
    konwolucyjna sieć neuronowa
    klasyfikacja pojazdów
    uczenie głębokie
    inteligentny system transportowy
    Opis:
    We present vehicle detection classification using the Convolution Neural Network (CNN) of the deep learning approach. The automatic vehicle classification for traffic surveillance video systems is challenging for the Intelligent Transportation System (ITS) to build a smart city. In this article, three different vehicles: bike, car and truck classification are considered for around 3,000 bikes, 6,000 cars, and 2,000 images of trucks. CNN can automatically absorb and extract different vehicle dataset’s different features without a manual selection of features. The accuracy of CNN is measured in terms of the confidence values of the detected object. The highest confidence value is about 0.99 in the case of the bike category vehicle classification. The automatic vehicle classification supports building an electronic toll collection system and identifying emergency vehicles in the traffic.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2021, 112; Bibliogr. 13 poz.
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies