QR ir brūkšninių kodų paieška ir atpažinimas vaizduose taikant giliojo mokymosi metodu

Abstract

QR ir brūkšninių kodų paieška ir atpažinimas vaizduose taikant giliojo mokymosi metodus. Baigiamasis magistro darbas informatikos inžinerijos laipsniui. Vilniaus Gedimino technikos universitetas. Vilnius, 2022, 67 p., 37 iliustr., 7 lent., 32 bibl., 2 priedai. Šiame baigiamajame darbe buvo tiriama QR ir brūkšninių kodų paieška ir atpažinimas taikant giliojo mokymosi metodus. Tikslui pasiekti buvo atlikti giliojo mokymosi metodų, skirtų objektams vaizduose aptikti ir atpažinti, analitinė apžvalga. Taip pat išanalizuotos objektų atpažinimui reikalingos programinės įrangos ir jų licencijos. Atrinkti giliojo mokymosi metodai perspektyvus QR ir brūkšninių kodų atpažinimui vaizduose. Eksperimentiškai ištirti atrinktieji metodai ir įgyvendinta įterptinė sistema, veikianti realiuoju laiku ir naudojanti QR ir brūkšninių kodų paieškai ir atpažinimui tinkančius metodus. Gauta sistema parodė 20 kadrų per sekundę spartą ir pasiekia 94,3 % preciziškumą aptikdama QR ir brūkšninius kodus. Taip pat su šia sistema ištirtas neuronų tinklo ir kodų šifravimo greitis nuo įvesties kadro dydžio.

This work reviews capabilities of deep learning-based methods for QR code and barcode detection and recognition in images. To reach the goal, the following tasks were completed: analytical review of deep learning methods for object detection and recognition in images. Review of software and their licenses required for object recognition. Selection of perspective deep learning methods for QR and barcode recognition in images. The selected methods was investigated in the distributed embedded system (operating in real time) which are using QR and barcode search and recognition methods. The resulting system shows speed of 20 frames per second and achieves 94.3% accuracy in detecting QR and barcodes. The neural network and code decryption speeds compare to input frame size were also investigated with this system.