За результатами аналізу літературних джерел встановлено, що перспективним напрямком пошуку та розпізнавання об'єктів є сімейство моделей Yolo. Проте існуючі реалізації не підтримують можливості запуску моделі на платформі iOS. Для досягення таких цілей розроблено комплексну масштабовану систему конвертації та покращання точності розпізнавання довільних моделей на базі системи Docker. Методика покращання полягає у додаванні до оригінальної моделі додаткового шару з функцією активації Mish. Методика конвертації полягає у оперативному перетовренні довільної моделі Yolo у формат CoreML. У межах дослідження даних методик, створено модель нейронної мережі (НМ) Yolov4-TCAR. Розроблено метод акселерації навантаження на CPU при використанні додаткового шару НМ із функцією активації Mish на мові Swift під мобільну платформу iOS. В результаті, дослідженно ефективність функції активації Mish, навантаження CPU мобільного пристрою, кількість використаної оперативної пам'ятті та частоту кадрів при використані поліпшенної оригінальної моделі Yolov4-TCAR. Результати досліджень підтвердили функціонування алгоритму конвертації та покращання точості моделі НМ у реальному часі.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"