ВИКОРИСТАННЯ МЕТОДІВ ГЛИБИННОГО НАВЧАННЯ ДЛЯ РОЗПІЗНАВАННЯ QR-КОДІВ НА МОБІЛЬНИХ ПРИСТРОЯХ

Анотація

Розглянуто сучасні методи для виявлення QR-кодів з використанням глибинних нейронних мереж, проаналізовано їх переваги та недоліки. За результатами дослідження виявлено, що на відміну від інших методів розпізнавання матричних кодів, підходи на основі нейронних мереж суттєво покращують швидкість і точність як виявлення, так і декодування кодів із забезпеченням продуктивності в режимі реального часу на мобільних пристроях. Створено набір даних з анотованих зображень QR-кодів, який використано для тренування та тестування моделей. Запропоновано модифікацію моделі YOLO, адаптовану для специфічного завдання – розпізнавання QR-кодів через виявлення ключових точок. Замість традиційного виявлення обмежувальних прямокутників, модель фокусується на визначенні набору ключових точок, які формують QR-код, що дозволяє точніше локалізувати код та полегшує його декодування. Описано підходи на основі глибинного навчання, які прискорюють процес локалізації та декодування QR-кодів, забезпечуючи вищу точність розпізнавання. Розглянуто різні конфігурації нейронної мережі YOLOv8, сформовано модель розпізнавання QR-кодів, розроблено мобільний застосунок для тестування моделі, наведено графіки залежностей точності розпізнавання від епох навчання моделі YOLO, результати розпізнавання.